ScholarGate
Assistent
Machine learning

U-Net: Convolutional Networks for Biomedical Image Segmentation

Forestil dig en læge, der først zoomer ud for at forstå den overordnede struktur af en vævsscanning, og derefter zoomer ind igen for at tegne præcise cellegrænser. U-Net gør netop dette beregningsmæssigt. Encoderen (den kontraherende sti) nedsampler progressivt billedet gennem pooling, hvilket opbygger en stadigt mere abstrakt forståelse af, hvad billedet indeholder. Decoderen (den ekspanderende sti) opsampler derefter denne abstrakte repræsentation tilbage til fuld opløsning for at producere en per-pixel-etiket. Den kritiske indsigt ligger i skip-forbindelserne: højopløselige funktionskort fra encoderen samles direkte ind i det tilsvarende decoder-niveau, så netværket genvinder de fine rumlige detaljer, som pooling ellers ville kassere. Resultatet er et netværk, der forstår både global kontekst og lokale grænser.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Ronneberger, O., Fischer, P., & Brox, T. (2015). U-Net: Convolutional Networks for Biomedical Image Segmentation. In N. Navab et al. (Eds.), Medical Image Computing and Computer-Assisted Intervention – MICCAI 2015, LNCS 9351 (pp. 234–241). Springer. DOI: 10.1007/978-3-319-24574-4_28
  2. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3

Sådan citerer du denne side

ScholarGate. (2026, June 3). U-Net: Convolutional Networks for Biomedical Image Segmentation. ScholarGate. https://scholargate.app/da/deep-learning/u-net

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Refereret af

ScholarGateU-Net (U-Net: Convolutional Networks for Biomedical Image Segmentation). Hentet 2026-06-15 fra https://scholargate.app/da/deep-learning/u-net · Datasæt: https://doi.org/10.5281/zenodo.20539026