U-Net
A U-Net egy teljesen konvolucionális encoder-decoder architektúra, amelyet Ronneberger, Fischer és Brox mutattak be a MICCAI 2015 konferencián. Ez a hálózat sűrű, pixelenkénti szegmentációs maszkokat hoz létre azáltal, hogy kombinálja a kontextust megragadó összehúzódó utat egy szimmetrikus, táguló úttal, amely lehetővé teszi a precíz lokalizációt – mindezt átugró kapcsolatok (skip connections) hidalják át, amelyek megőrzik a finom térbeli részleteket. Ez az architektúra megalapozta az alapértelmezett kiindulási pontot az orvosi képalkotó szegmentációban, és azóta az egyik legelterjedtebb architektúrává vált bármilyen pixelenkénti predikciós feladat esetében.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). U-Net: Convolutional Networks for Biomedical Image Segmentation. ScholarGate. https://scholargate.app/hu/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.
- Teljesen Konvolúciós Hálózat (FCN)Mélytanulás↔ compare
- Mask R-CNN: Instance Segmentation pixel-szintű maszkokkalMélytanulás↔ compare
- ResNet (Residual Network)Mélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →