U-Net
U-Net je plne konvolučná architektúra typu enkodér-dekodér, predstavená Ronnebergerom, Fischerom a Broxom na konferencii MICCAI 2015, ktorá produkuje husté pixelové segmentačné masky kombináciou kontrahucej cesty zachytávajúcej kontext so symetrickou expanzívnou cestou umožňujúcou presnú lokalizáciu — to všetko spojené preskokovými spojnicami, ktoré zachovávajú jemné priestorové detaily. Ustanovila štandardný základ pre segmentáciu biomedicínskych obrazov a odvtedy sa stala jednou z najrozšírenejších architektúr pre akúkoľvek úlohu predikcie na úrovni pixelov.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). U-Net: Convolutional Networks for Biomedical Image Segmentation. ScholarGate. https://scholargate.app/sk/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.
- Plne konvolučná sieť (FCN)Hlboké učenie↔ compare
- Mask R-CNN: Segmentácia inštancií s maskami na úrovni pixelovHlboké učenie↔ compare
- ResNet (reziduálna sieť)Hlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →