U-Net卷积神经网络

最新推荐文章于 2025-06-27 14:57:01 发布

weixin_30650859

最新推荐文章于 2025-06-27 14:57:01 发布

阅读量5.8k

点赞数 4

CC 4.0 BY-SA版权

文章标签：人工智能

原文链接：http://www.cnblogs.com/jielongAI/p/9395381.html

本文介绍了U-Net卷积神经网络的结构和工作原理，该网络主要用于医学影像分割。U-Net由收缩路径和扩展路径组成，能够捕捉上下文信息并精确定位目标区域。它在FCN基础上改进，使用数据增强处理少量样本，并通过U形结构保留重要特征，特别适合医疗领域的图像分割任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

由于项目需要，用U-NET跑一个程序来对医学影像进行分割（segmentation），因此跑去看了下这篇论文（paper），下面会介绍一下U-Net的框架及要点，如果哪里有写的不对的，或者好的建议，欢迎提出并纠正。

论文地址：https://arxiv.org/abs/1505.04597

　　1. 概要

U-Net通俗来讲也是卷积神经网络的一种变形，主要其结构经论文作者画出来形似字母U（见图 1），因而得名U-Net。整个神经网络主要有两部分组成：收缩路径（contracting path）和扩展路径（expanding path）。搜索路径主要是用来捕捉图片中的上下文信息（context information），而与之相对称的扩展路径则是为了对图片中所需要分割出来的部分进行精准定位（localization）。U-Net诞生的一个主要前提是，很多时候深度学习的结构需要大量的sample和计算资源，但是U-Net基于FCN（Fully Convultional Neural Network：全卷积神经网络）进行改进，并且利用数据增强（data augmentation）可以对一些比较少样本的数据进行训练，特别是医学方面相关的数据（医学数据比一般我们所看到的图片及其他文本数据的获取成本更大，不论是时间还是资源的消耗），所以U-Net的出现对于深度学习用于较少样本的医学影像是很有帮助的