U-Net
U-Net — свёрточная нейронная сеть, предназначенная для быстрой и точной сегментации изображений. Используется в решении задач машинного обучения [1]. В 2015 году в рамках International Symposium on Biomedical Imaging U-Net[2] завоевала несколько наград, в том числе лучше всех справилась с сегментацией рентгеновских изображений [3]. Разработана во Фрайбургском университете.
Описание
U-Net считается одной из стандартных искусственных нейронных сетей для задач сегментации изображений. Она умеет не только определять классы на визуальном материале, но и сегментировать области, т. е. создавать маску, которая будет визуально разделять изображение на несколько классов. Сеть состоит из «сужающегося» (энкодера) пути и «расширяющегося» (декодера) пути, чем визуально латинскую «U». По подобию этой букве сеть и называется «U-Net»[4].
Принцип работы
На вход сети подается изображение, которое проходит серию слоев: слои свёртки с функцией активации и слои субдискретизации (пулинг).
После преобразований изображение представлено в виде маски с заданным количеством классов для сегментации. Сеть предсказывает принадлежность каждого пикселя к одному из классов. В U-Net операцию активации выполняет ReLU (rectified linear unit).
«Сужающаяся» (входная) часть архитектуры реализуется при помощи матрицы весов меньшего размера, которая двигается по всему изображению. Главная задача слоя свёртки — суммирование результатов поэлементного произведения каждого фрагмента изображения на матрицу — ядро свертки.
Сеть обучается методом стохастического градиентного спуска на основе входных изображений и соответствующих им масок[2][5].
Область применения
Изначально U-Net создавалась специалистами Фрайбургского университета для сегментации биомедицинских изображений. Нейронная есть отлично зарекомендовала себя в этой области, отлично справившись с сегментацией опухолей головного мозга на материалах снимков магнитно-резонансной томографии[6]. Во время пандемии коронавирусной инфекции (COVID-19) U-Net успешно справлялась с задачей предсказания поведения белка при заболевании[7].
Сегодня U-Net широко используется в решении самых разных задач компьютерного зрения.
Примечания
- ↑ Christian Szegedy, Wei Liu, Yangqing Jia, Pierre Sermanet, Scott Reed etc. Going deeper with convolutions (английский). — 2014.
- ↑ 2,0 2,1 Olaf Ronneberger, Philipp Fischer, Thomas Brox. U-Net: Convolutional Networks for Biomedical Image Segmentation (английский). — 2015.
- ↑ Our U-net wins two Challenges at ISBI 2015 (неопр.). UNI Freiburg. Дата обращения: 2023.06.09.
- ↑ U-Net: нейросеть для сегментации изображений (рус.) ?. NeuroHive. Дата обращения: 2023.05.26.
- ↑ Шелковников Е.Ю, Шляхтин К.А., Шелковникова Т.Е., Егоров С.Ф. Применение нейронной сети архитектуры U-Net для сегментации СТМ-изображений (рус.) // Химическая физика и мезоскопия : Сборник. — 2019. — Т. 21.
- ↑ Multimodal Brain Tumor Segmentation Challenge 2017 (неопр.). Perelman School of Medicine at the University of Pennsylvania. Дата обращения: 9 июня 2023.
- ↑ Fatemeh Nazem, Fahimeh Ghasemi, Afshin Fassihi, and Alireza Mehri Dehnavi. 3D U-Net: A voxel-based method in binding site prediction of protein structure (английский) // Journal of Bioinformatics and Computational Biology : журнал. — 2021. — № No. 02.
Данная статья имеет статус «готовой». Это не говорит о качестве статьи, однако в ней уже в достаточной степени раскрыта основная тема. Если вы хотите улучшить статью — правьте смело!