U-Net
U-Net este o arhitectură complet convoluțională de tip encoder-decoder, introdusă de Ronneberger, Fischer și Brox la MICCAI 2015, care produce măști de segmentare dense, pixel cu pixel, prin combinarea unei căi contractante ce captează contextul cu o cale expansivă simetrică ce permite localizare precisă — toate interconectate prin conexiuni de tip skip (skip connections) ce conservă detaliile spațiale fine. A stabilit linia de bază standard pentru segmentarea imaginilor biomedicale și a devenit, de atunci, una dintre cele mai adoptate arhitecturi pentru orice sarcină de predicție la nivel de pixel.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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
Cum se citează această pagină
ScholarGate. (2026, June 3). U-Net: Convolutional Networks for Biomedical Image Segmentation. ScholarGate. https://scholargate.app/ro/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.
- Rețea Complet Convoluțională (FCN)Învățare profundă↔ compare
- Mask R-CNN: Segmentare de instanțe cu măști la nivel de pixelÎnvățare profundă↔ compare
- ResNet (Rețea Reziduală)Învățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →