U-Net

Arquitectura del núcleo

La arquitectura de la Red-U consta de dos vías principales conectadas de forma que se asemejan a la letra "U": una vía de contracción (también conocida como codificador) y una vía de expansión (también conocida como decodificador).

1. Ruta de contratación (codificador): Esta ruta sigue la arquitectura típica de una CNN. Consiste en aplicaciones repetidas de dos convoluciones 3x3 (convoluciones sin relleno), cada una de ellas seguida de una función de activación de Unidad Lineal Rectificada (ReLU), y luego una operación de agrupamiento máximo 2x2 con paso 2 para el muestreo descendente. En cada paso de muestreo descendente, se duplica el número de canales de características. Esta ruta capta el contexto de la imagen de entrada, reduciendo progresivamente la resolución espacial al tiempo que aumenta la información de las características.
2. Ruta expansiva (decodificador): Esta ruta consiste en pasos repetidos de muestreo ascendente del mapa de características, seguido de una convolución 2x2 ("convolución ascendente") que reduce a la mitad el número de canales de características, una concatenación con el correspondiente mapa de características recortado de la ruta de contracción, y dos convoluciones 3x3, cada una seguida de un ReLU. El recorte es necesario debido a la pérdida de píxeles del borde en cada convolución. La capa final utiliza una convolución 1x1 para asignar cada vector de características al número deseado de clases. Esta ruta permite una localización precisa aumentando gradualmente la resolución de la salida y combinándola con características de alta resolución de la ruta de contracción mediante conexiones de salto. Las arquitecturas codificador-decodificador como U-Net son habituales en las tareas de segmentación.
3. Conexiones de salto: La innovación clave que conecta estas dos rutas es el uso de conexiones de salto. Estas conexiones copian los mapas de características de las capas de la ruta de contracción y los concatenan con los correspondientes mapas de características de muestreo ascendente de la ruta expansiva. Esto permite al descodificador acceder directamente a las características de alta resolución aprendidas por el codificador, lo que es crucial para producir mapas de segmentación con detalles precisos.

Principales características y ventajas

El diseño de U-Net ofrece varias ventajas, sobre todo para las tareas de segmentación:

• Localización precisa: La trayectoria expansiva combinada con las conexiones de salto permite a la red generar máscaras de segmentación con un detalle muy fino.
• Eficacia con conjuntos de datos pequeños: U-Net puede entrenarse eficazmente incluso con conjuntos de datos de entrenamiento relativamente pequeños, lo que es habitual en el análisis de imágenes médicas. A menudo, junto con U-Net, se utiliza un amplio aumento de datos para enseñar a la red las invarianzas deseadas.
• Entrenamiento integral: Toda la red puede entrenarse desde las imágenes de entrada hasta los mapas de segmentación de salida directamente, lo que simplifica el proceso de entrenamiento.
• Buena generalización: Ha demostrado un gran rendimiento no sólo en imágenes médicas, sino también en otros dominios que requieren una segmentación precisa.

Aplicaciones en el mundo real

Aunque inicialmente se diseñó para la obtención de imágenes biomédicas, la arquitectura de U-Net es versátil y se ha adaptado a numerosas aplicaciones:

• Análisis de imágenes médicas: Su principal aplicación sigue siendo la segmentación de imágenes médicas como las resonancias magnéticas(ejemplo del conjunto de datos de tumores cerebrales), las tomografías computarizadas y las imágenes de microscopía para tareas como la detección de tumoresUltralytics blog deUltralytics sobre detección de tumores), la segmentación de órganos y el recuento de células. Más información en las reseñas sobre segmentación de imágenes biomédicas. Ayuda a automatizar el análisis conforme a normas como DICOM.
• Análisis de Imágenes de Satélite: U-Net se utiliza para la clasificación de la cubierta terrestre, la extracción de la red de carreteras, la segmentación de la huella de los edificios y la supervisión de los cambios medioambientales a partir de imágenes aéreas o de satélite. Explora diversas aplicaciones de teledetección.
• Conducción Autónoma: Segmentación de carriles, peatones y otros vehículos para la comprensión de escenas.
• Control de calidad industrial: Detección de defectos o segmentación de componentes en procesos de fabricación(AI in Manufacturing).
• Agricultura: Segmentación de cultivos, malas hierbas o evaluación de la salud de las plantas a partir de imágenes de drones(AI in Agriculture).

Distinguir la Red-U de conceptos similares

U-Net se centra principalmente en la segmentación semántica, asignando una etiqueta de clase (por ejemplo, "tumor", "carretera", "edificio") a cada píxel de una imagen. Esto difiere de:

• Segmentación de instancias: Esta tarea no sólo clasifica píxeles, sino que también distingue entre instancias individuales de objetos que pertenecen a la misma clase (por ejemplo, etiquetar el coche_1, el coche_2, el coche_3 de forma distinta). Aunque U-Net puede adaptarse para la segmentación de instancias, los modelos como Mask R-CNN suelen ser más adecuados directamente para esto.
• Detección de objetos: Consiste en identificar objetos y dibujar cuadros delimitadores a su alrededor, en lugar de clasificar cada píxel. Modelos como Ultralytics YOLO son los más avanzados para la detección de objetos, conocidos por su velocidad y precisión.
• Modelos modernos de segmentación: Aunque U-Net sigue siendo influyente, las arquitecturas más nuevas, incluidas las variantes de segmentación de modelos como Ultralytics YOLOv8 y YOLO11proporcionan potentes capacidades de segmentación, a menudo optimizadas para una inferencia más rápida en tiempo real y aprovechando los avances en el aprendizaje profundo, como los bloques transformadores o los diseños sin anclajes.

Formación y herramientas

Entrenar una U-Net requiere datos anotados a nivel de píxel, en los que cada píxel de las imágenes de entrenamiento se etiqueta con su clase correspondiente. Este proceso de anotación de datos puede requerir mucho trabajo, especialmente en el caso de imágenes médicas o de satélite complejas. Los modelos U-Net suelen implementarse y entrenarse utilizando marcos de aprendizaje profundo populares como PyTorchPyTorch sitio oficialPyTorch ) y TensorFlowTensorFlow sitio oficialTensorFlow ). A menudo se utilizan bibliotecas como OpenCV para la carga y el preprocesamiento de imágenes. Plataformas como Ultralytics HUB pueden ayudar a gestionar conjuntos de datos y agilizar el proceso de entrenamiento del modelo, incluso para tareas de segmentación complejas. Un entrenamiento eficaz suele implicar un cuidadoso ajuste de los hiperparámetros y la exploración de distintos algoritmos de optimización.