U-Net

U-Net  este o rețea neuronală convoluțională care a fost creată în 2015 pentru segmentarea imaginilor biomedicale la Departamentul de Informatică al Universității din Freiburg [1] . Arhitectura rețelei este o rețea convoluțională complet conectată [2] , modificată astfel încât să poată funcționa cu mai puține exemple (imagini de antrenament) și să facă o segmentare mai precisă.

Arhitectura de rețea

Rețeaua conține o parte convoluțională (în stânga) și o parte desfășurată (în dreapta), astfel încât arhitectura este similară cu litera U, care se reflectă în nume. La fiecare pas, numărul de canale de caracteristici este dublat.

Partea convoluțională este similară cu o rețea convoluțională obișnuită, conține două straturi convoluționale 3x3 la rând, după care există un strat ReLU și pooling cu o funcție maximă 2x2 cu un pas de 2.

Fiecare pas al părții de desfășurare conține un strat, reverse pooling, care extinde harta caracteristicilor, urmată de o convoluție 2×2, care reduce numărul de canale de caracteristici. Aceasta este urmată de o concatenare cu o hartă caracteristică tăiată corespunzător din calea de compresie și două pliuri 3x3, fiecare urmată de un ReLU. Decuparea este necesară datorită faptului că pierdem pixeli de margine în fiecare convoluție. Pe ultimul strat, se folosește o convoluție 1×1 pentru a aduce fiecare vector caracteristic cu 64 de componente la numărul necesar de clase.

În total, rețeaua are 23 de straturi convoluționale.

Două articole ale autorilor rețelei au peste 1600 și 1000 de citări din mai 2018 [3] .

Note

1. ↑ Articolul autorii U-Net: U-Net: Rețele convoluționale pentru segmentarea imaginilor biomedicale Arhivat 21 octombrie 2018 la Wayback Machine
2. ↑ Long, J.; Shelhamer, E. & Darrell, T. (2014), Rețele complet convoluționale pentru segmentarea semantică, arΧiv : 1411.4038 [cs.CV]. 
3. ↑ [1] Arhivat 14 octombrie 2021 la Wayback Machine Google Scholar date de citare