U-Net: Convolutional Networks for Biomedical Image Segmentation

Представьте себе врача, который сначала увеличивает масштаб, чтобы понять общую структуру среза ткани, а затем снова уменьшает масштаб, чтобы нарисовать точные границы клеток. U-Net делает это вычислительно. Кодировщик (сокращающийся путь) последовательно понижает разрешение изображения с помощью пулинга, формируя все более абстрактное понимание того, что находится на изображении. Декодер (расширяющийся путь) затем повышает разрешение этого абстрактного представления до полного, чтобы получить метку для каждого пикселя. Ключевым моментом являются пропускные соединения: карты признаков высокого разрешения из кодировщика напрямую объединяются с соответствующим уровнем декодера, поэтому сеть восстанавливает мелкие пространственные детали, которые пулинг иначе бы отбросил. Результатом является сеть, которая понимает как глобальный контекст, так и локальные границы.