Mạng U

Kiến trúc cốt lõi

Kiến trúc U-Net bao gồm hai đường dẫn chính được kết nối theo cách giống với chữ 'U': đường dẫn co lại (còn gọi là bộ mã hóa) và đường dẫn mở rộng (còn gọi là bộ giải mã).

1. Con đường thu hẹp (Bộ mã hóa): Con đường này tuân theo kiến trúc điển hình của CNN. Nó bao gồm các ứng dụng lặp lại của hai phép tích chập 3x3 (các phép tích chập không đệm), mỗi phép theo sau là một hàm kích hoạt Đơn vị tuyến tính chỉnh lưu (ReLU) , và sau đó là một hoạt động gộp tối đa 2x2 với bước 2 để lấy mẫu xuống. Tại mỗi bước lấy mẫu xuống, số kênh đặc điểm được nhân đôi. Con đường này nắm bắt bối cảnh của hình ảnh đầu vào, giảm dần độ phân giải không gian trong khi tăng thông tin đặc điểm.
2. Đường mở rộng (Bộ giải mã): Đường này bao gồm các bước lặp lại của việc lấy mẫu lại bản đồ đặc trưng theo sau là tích chập 2x2 ("tích chập lên") làm giảm một nửa số kênh đặc trưng, một phép nối với bản đồ đặc trưng được cắt tương ứng từ đường thu hẹp và hai tích chập 3x3, mỗi tích chập theo sau là một ReLU. Việc cắt xén là cần thiết do mất các điểm ảnh đường viền trong mỗi tích chập. Lớp cuối cùng sử dụng tích chập 1x1 để ánh xạ từng vectơ đặc trưng thành số lớp mong muốn. Đường này cho phép định vị chính xác bằng cách tăng dần độ phân giải của đầu ra và kết hợp nó với các đặc trưng có độ phân giải cao từ đường thu hẹp thông qua các kết nối bỏ qua. Các kiến trúc mã hóa-giải mã như U-Net phổ biến trong các tác vụ phân đoạn.
3. Kết nối bỏ qua: Đổi mới chính kết nối hai đường dẫn này là sử dụng kết nối bỏ qua . Các kết nối này sao chép bản đồ đặc điểm từ các lớp trong đường dẫn thu gọn và nối chúng với các bản đồ đặc điểm được lấy mẫu tương ứng trong đường dẫn mở rộng. Điều này cho phép bộ giải mã truy cập trực tiếp vào các đặc điểm có độ phân giải cao được bộ mã hóa học được, điều này rất quan trọng để tạo ra các bản đồ phân đoạn với các chi tiết chính xác.

Các tính năng và lợi thế chính

Thiết kế của U-Net mang lại một số lợi thế, đặc biệt đối với các tác vụ phân đoạn:

• Xác định vị trí chính xác: Đường dẫn mở rộng kết hợp với các kết nối bỏ qua cho phép mạng tạo ra các mặt nạ phân đoạn với chi tiết cực kỳ chi tiết.
• Hiệu quả với các tập dữ liệu nhỏ: U-Net có thể được đào tạo hiệu quả ngay cả với các tập dữ liệu đào tạo tương đối nhỏ, điều này thường gặp trong phân tích hình ảnh y tế . Việc sử dụng tăng cường dữ liệu mở rộng thường được sử dụng cùng với U-Net để dạy mạng các bất biến mong muốn.
• Đào tạo toàn diện: Toàn bộ mạng có thể được đào tạo trực tiếp từ hình ảnh đầu vào đến bản đồ phân đoạn đầu ra, giúp đơn giản hóa quy trình đào tạo.
• Tổng quát hóa tốt: Nó cho thấy hiệu suất mạnh mẽ không chỉ trong hình ảnh y tế mà còn trong các lĩnh vực khác đòi hỏi phân đoạn chính xác.

Ứng dụng trong thế giới thực

Mặc dù ban đầu được thiết kế cho mục đích chụp ảnh y sinh, kiến trúc của U-Net rất linh hoạt và đã được điều chỉnh cho nhiều ứng dụng:

• Phân tích hình ảnh y tế : Ứng dụng chính của nó vẫn là phân đoạn hình ảnh y tế như quét MRI ( ví dụ về tập dữ liệu Brain Tumor ), quét CT và hình ảnh kính hiển vi cho các tác vụ như phát hiện khối u ( blog Ultralytics về phát hiện khối u ), phân đoạn cơ quan và đếm tế bào. Đọc thêm trong các bài đánh giá phân đoạn hình ảnh y sinh . Nó giúp tự động hóa phân tích tuân thủ các tiêu chuẩn như DICOM .
• Phân tích hình ảnh vệ tinh : U-Net được sử dụng để phân loại lớp phủ đất, trích xuất mạng lưới đường bộ, phân đoạn dấu chân tòa nhà và theo dõi những thay đổi về môi trường từ hình ảnh vệ tinh hoặc trên không. Khám phá nhiều ứng dụng cảm biến từ xa khác nhau.
• Lái xe tự động: Phân chia làn đường, người đi bộ và các phương tiện khác để hiểu bối cảnh.
• Kiểm soát chất lượng công nghiệp: Phát hiện lỗi hoặc phân đoạn các thành phần trong quy trình sản xuất ( AI trong sản xuất ).
• Nông nghiệp: Phân loại cây trồng, cỏ dại hoặc đánh giá sức khỏe thực vật từ hình ảnh máy bay không người lái ( AI trong Nông nghiệp ).

Phân biệt U-Net với các khái niệm tương tự

U-Net tập trung chủ yếu vào phân đoạn ngữ nghĩa , gán nhãn lớp (ví dụ: 'khối u', 'đường', 'tòa nhà') cho mỗi pixel trong hình ảnh. Điều này khác với:

• Phân đoạn thể hiện : Nhiệm vụ này không chỉ phân loại pixel mà còn phân biệt giữa các thể hiện riêng lẻ của các đối tượng thuộc cùng một lớp (ví dụ: dán nhãn car_1, car_2, car_3 một cách riêng biệt). Trong khi U-Net có thể được điều chỉnh để phân đoạn thể hiện, các mô hình như Mask R-CNN thường phù hợp trực tiếp hơn cho mục đích này.
• Phát hiện đối tượng : Điều này liên quan đến việc xác định các đối tượng và vẽ các hộp giới hạn xung quanh chúng, thay vì phân loại từng pixel. Các mô hình như Ultralytics YOLO là công nghệ tiên tiến nhất để phát hiện đối tượng, được biết đến với tốc độ và độ chính xác của chúng.
• Các mô hình phân đoạn hiện đại: Trong khi U-Net vẫn có sức ảnh hưởng, các kiến trúc mới hơn, bao gồm các biến thể phân đoạn của các mô hình như Ultralytics YOLOv8 và YOLO11 , cung cấp khả năng phân đoạn mạnh mẽ, thường được tối ưu hóa để suy luận thời gian thực nhanh hơn và tận dụng những tiến bộ trong học sâu như khối biến áp hoặc thiết kế không có mỏ neo .

Đào tạo và Công cụ

Việc đào tạo U-Net yêu cầu dữ liệu được chú thích ở cấp độ pixel, trong đó mỗi pixel trong hình ảnh đào tạo được gắn nhãn bằng lớp tương ứng. Quá trình chú thích dữ liệu này có thể tốn nhiều công sức, đặc biệt là đối với hình ảnh y tế hoặc vệ tinh phức tạp. Các mô hình U-Net thường được triển khai và đào tạo bằng các khuôn khổ học sâu phổ biến như PyTorch ( trang web chính thức của PyTorch ) và TensorFlow ( trang web chính thức của TensorFlow ). Các thư viện như OpenCV thường được sử dụng để tải và xử lý trước hình ảnh. Các nền tảng như Ultralytics HUB có thể giúp quản lý các tập dữ liệu và hợp lý hóa quy trình đào tạo mô hình , ngay cả đối với các tác vụ phân đoạn phức tạp. Đào tạo hiệu quả thường liên quan đến việc điều chỉnh siêu tham số cẩn thận và khám phá các thuật toán tối ưu hóa khác nhau.