U-Net Mimarisi
U-Net, orijinal olarak biyomedikal görüntü segmentasyonu için piksel hassasiyetinde çıktılar üretmede üstün olan, 'U' şeklinde bir evrişimli sinir ağıdır.
Genel Bakış
Its encoder-decoder design with skip connections makes it the backbone of modern image diffusion models.
Derin Dalış
Biyomedikal segmentasyon için 2015 yılında Ronneberger, Fischer ve Brox tarafından tanıtılan U-Net, bir görüntüyü kompakt, yüksek seviyeli özelliklere alt örnekleyen bir daralma yoluna (kodlayıcı) ve tam çözünürlüğe geri örnekleyen simetrik genişleyen bir yola (kod çözücü) sahiptir. İmza özelliği, bağlantıları atlamadır: her kodlayıcı seviyesindeki özellik haritaları, eşleşen kod çözücü seviyesinde birleştirilir. Bu, kod çözücünün, alt örneklemenin aksi takdirde kaybedeceği ince uzamsal ayrıntıları (kenarlar, kesin konumlar) yeniden kullanmasına olanak tanır, böylece çıktılar hem anlamsal olarak zengin hem de uzamsal olarak hassas olur. U-Net, yoğun büyütme kullanan çok az sayıda açıklamalı görüntüden iyi bir şekilde eğitildi. Bugün, bir U-Net'in her gürültü giderme adımında giderilecek gürültüyü tahmin ettiği, genellikle dikkat ve zaman adımı koşullandırmasıyla artırılan Stabil Difüzyon ve benzeri modellere güç veriyor.
Teknik Bilgi
Sihir atlama bağlantılarındadır. Kodlayıcı alt örnekleme yaparken, 'ne'nin mevcut olduğunu soyutlar ancak 'nerede' olduğunu bulanıklaştırır. Kod çözücü, çözünürlüğü kurtarmak için üst örnekleme yapıyor ancak net ayrıntılardan yoksun. U-Net, her kodlayıcı özellik haritasını kod çözücü üzerinde aynı ölçekte birleştirerek, darboğaz boyunca hassas uzamsal bilgileri doğrudan iletir ve derin anlamsal özelliklerin ve hassas yerelleştirmenin birleştirilmesine olanak tanır. Segmentasyon maskelerinin nesne sınırlarına sıkı bir şekilde hizalanmasının nedeni budur.
Stratejik Etki
Speed and scale
Visual AI, inceleme, algılama ve etiketleme görevlerini geniş ölçekte otomatikleştirebilir.
Build choices
Yaratıcı ekipler, daha az manuel revizyonla konseptleri daha hızlı prototipleyebilir.
Ekip ve iş akışı
Operasyonlar, daha önce işlenmesi zor olan görüntü ve video sinyallerini kullanabilir.
U-Net Mimarisinin Geleceği
U-Net güçlü bir araç olmaya devam ediyor ancak gelişiyor. Görüntü oluşturmada, transformatör tabanlı difüzyon omurgaları (DiT'ler), evrişimli U-Net'e büyük ölçekte meydan okurken, hibritler U-Net'in içine dikkat katmanları ekler. Segmentasyonda, transformatör kodlayıcılar ve SAM gibi temel modeller U-Net fikirlerini temel alır. Yapı taşları saf evrişimlerden dikkat temelli ve hibrit mimarilere doğru kayarken bile U-Net'in atlamalı bağlantı ilkesinin devam etmesini bekleyin.
Gerçek Dünya Uygulaması
MRI ve mikroskopi görüntülerinde tümörleri, hücreleri veya organları segmentlere ayırma, U-Net'in orijinal ve halen yaygın olarak kullanılan kullanımıdır.
Kararlı Difüzyonda gürültü giderici ağ görevi görür ve görüntü oluşturmanın her adımında çıkarılacak gürültüyü tahmin eder.
Yolların, binaların veya ormansızlaşmanın piksel piksel haritalanması gibi uydu ve hava görüntüsü analizi.
Arka planı kaldırma, iç boyama ve çıktının giriş pikselleriyle hizalanması gereken süper çözünürlük gibi görüntüden görüntüye görevler.
Riskler ve Korkuluklar
Kaynağın belirsiz olması durumunda görüntü hakları ve rıza yasal risk haline gelebilir.
Model performansı aydınlatma, demografik özellikler ve ortamlara göre değişiklik gösterebilir.
Güven eşikleri izlenmediği sürece yanlış pozitifler fark edilmeyebilir.
Uygulama Yol Haritası
Kesinlik, geri çağırma ve hata maliyetlerine ilişkin kabul kriterlerini tanımlayın.
Gerçek üretim koşullarıyla eşleşen verilerle test edin.
Düşük güvenirliğe sahip veya yüksek etkili tahminler için gerçek kişi tarafından yapılan incelemeyi ekleyin.
Model kaymasını izleyin ve kamera veya veri kümesi değişikliklerinden sonra yeniden doğrulayın.
Keşfetmeye Devam Edin
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the U-Net Architecture quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
StilGAN Mimarisi
Sık sorulan sorular
What is U-Net Architecture?
U-Net, orijinal olarak biyomedikal görüntü segmentasyonu için piksel hassasiyetinde çıktılar üretmede üstün olan, 'U' şeklinde bir evrişimli sinir ağıdır. Atlama bağlantılı kodlayıcı-kod çözücü tasarımı, onu modern görüntü yayma modellerinin omurgası haline getiriyor.
U-Net'e 'U' şeklini veren nedir?
Daralan kodlayıcı ve simetrik genişleyen kod çözücü 'U'nun iki kolunu oluşturur.
U-Net'in atlama bağlantılarının amacı nedir?
Bağlantıları atla, kodlayıcı özellik haritalarını kod çözücüde birleştirerek alt örnekleme sırasında kaybolan hassas uzamsal ayrıntıları geri yükler.
U-Net başlangıçta ne için tasarlandı?
Ronneberger ve meslektaşları, biyomedikal görüntü segmentasyonu için 2015 yılında U-Net'i tanıttı ve birkaç etiketli görüntüyle iyi performans gösterdi.
Kararlı Difüzyonda U-Net her adımda ne öngörüyor?
Difüzyon U-Net, gizli olana eklenen gürültüyü tahmin edecek şekilde eğitilmiştir, böylece bu gürültü çıkarılarak görüntüye doğru kademeli olarak gürültü giderilir.
Kodlayıcı alt örnekleme yaparken uzamsal bilgiye ne olur?
Alt örnekleme, daha sonra bağlantıları atlayarak geri yüklemeye yardımcı olan tam uzamsal yerelleştirmeyi bulanıklaştırırken yüksek düzeyde anlamsal özellikler oluşturur.