U-Net
U-Net là một kiến trúc mã hóa-giải mã (encoder-decoder) hoàn toàn tích chập, được giới thiệu bởi Ronneberger, Fischer và Brox tại MICCAI 2015, có khả năng tạo ra các mặt nạ phân đoạn pixel dày đặc bằng cách kết hợp một đường dẫn co lại (contracting path) nắm bắt ngữ cảnh với một đường dẫn mở rộng đối xứng (expanding path) cho phép định vị chính xác — tất cả được kết nối bằng các kết nối bỏ qua (skip connections) bảo tồn chi tiết không gian tinh tế. Nó đã thiết lập đường cơ sở tiêu chuẩn cho phân đoạn ảnh y sinh và kể từ đó đã trở thành một trong những kiến trúc được áp dụng rộng rãi nhất cho bất kỳ tác vụ dự đoán cấp độ pixel nào.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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
Cách trích dẫn trang này
ScholarGate. (2026, June 3). U-Net: Convolutional Networks for Biomedical Image Segmentation. ScholarGate. https://scholargate.app/vi/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.
- Mạng Tích chập Hoàn toàn (FCN)Học sâu↔ compare
- Mask R-CNN: Phân đoạn đối tượng với mặt nạ cấp pixelHọc sâu↔ compare
- ResNet (Mạng Tích chập Tái sinh)Học sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →