U-Net: відмінності між версіями
| [неперевірена версія] | [неперевірена версія] |
Вилучено вміст Додано вміст
Створено шляхом перекладу сторінки «U-Net» |
доповнення, оформлення |
||
Рядок 1:
'''U-Net''' - це [[Згорткова нейронна мережа|згорткова нейронна мережа,]] яка була розроблена для сегментації біомедичних зображень на факультеті комп'ютерних наук університету Фрайбурга, Німеччина. <ref name="RFB">{{Cite arXiv|last1=Ronneberger|first1=Olaf|last2=Fischer|first2=Philipp|last3=Brox|first3=Thomas|title=U-Net: Convolutional Networks for Biomedical Image Segmentation|eprint=1505.04597|date=2015|class=cs.CV}}</ref> Мережа базується на повністю згортковій мережі (не плутайте з [[Топологія мереж#Базові топології|повнозв'язною мережею]])
▲'''U-Net''' - це [[Згорткова нейронна мережа|згорткова нейронна мережа,]] яка була розроблена для сегментації біомедичних зображень на факультеті комп'ютерних наук університету Фрайбурга, Німеччина. <ref name="RFB">{{Cite arXiv|last1=Ronneberger|first1=Olaf|last2=Fischer|first2=Philipp|last3=Brox|first3=Thomas|title=U-Net: Convolutional Networks for Biomedical Image Segmentation|eprint=1505.04597|date=2015|class=cs.CV}}</ref> Мережа базується на повністю згортковій мережі (не плутайте з [[Топологія мереж#Базові топології|повнозв'язною мережею]]) її архітектура була модифікована і розширена, щоб працювати з меншою кількістю зображень для навчання і давати більш точні результати сегментації. Сегментація зображення 512x512 займає менше секунди на останніх моделях [[Графічний процесор|GPU]].
== Опис ==
'''U-Net''' - це більш елегантна архітектура, що випливає з так званої "повністю згорткової мережі", запропонованої Лонгом і Шелхамером.
Основна ідея полягає в тому, щоб доповнити звичайну мережу послідовних шарів, де операції пулінга (зменшення розмірності) об'єктів замінюються операторами {{Нп|збільшення розмірності|||Upsampling}}. Отже, ці шари збільшують роздільну здатність виходу. Більш того, наступний згортковий шар може навчитися будувати точний вихід на основі цієї інформації.
Однією з важливих змін у '''U-Net''' є те, що в частині, в якій відбувається збільшення розмірності, існує велика кількість каналів ознак, які дозволяють мережі поширювати контекстну інформацію на шари більшої роздільної здатності. Як наслідок, частина в якій відбувається розширення є більш-менш симетричною до частини звуження, це дає U-подібну архітектуру. Мережа використовує тільки [[Згортка (математичний аналіз)|згортки]] без будь-яких повністю пов'язаних шарів. Для прогнозу значення пікселів в межах області зображення, відсутній контекст екстраполюється шляхом додаткового опрацювання (з точки зору симетрії мережі це виглядає як віддзеркалення) вхідного зображення. Ця стратегія замощення важлива для застосування мережі до великих зображень, оскільки в іншому випадку роздільна здатність буде обмежена пам'яттю [[Графічний процесор|GPU]].
Рядок 28 ⟶ 27:
Основні статті по '''U-Net''' цитувалися 3693, 7049, 442 та 22 рази відповідно на [[Google Scholar]] станом на 24 грудня 2018 року.
== Примітки ==
{{reflist}}
== Див. також ==
{{Нп|Сегментація нервової системи людини|||Segmentation in the human nervous system}}
[[Категорія:Штучні нейронні мережі]]
[[Категорія:Глибинне навчання]]
| |||