Kiến trúc U-Net
U-Net là mạng thần kinh tích chập có hình dạng giống chữ 'U', có khả năng tạo ra kết quả đầu ra chính xác đến từng pixel, ban đầu dành cho phân đoạn hình ảnh y sinh.
Tổng quan
Its encoder-decoder design with skip connections makes it the backbone of modern image diffusion models.
Lặn sâu
Được Ronneberger, Fischer và Brox giới thiệu vào năm 2015 cho phân đoạn y sinh, U-Net có một đường dẫn hợp đồng (bộ mã hóa) giúp giảm mẫu hình ảnh thành các tính năng nhỏ gọn, cấp cao và một đường dẫn mở rộng đối xứng (bộ giải mã) nâng cấp mẫu trở lại độ phân giải đầy đủ. Tính năng đặc trưng của nó là bỏ qua các kết nối: các bản đồ tính năng từ mỗi cấp độ bộ mã hóa được nối vào cấp độ giải mã phù hợp. Điều này cho phép bộ giải mã tái sử dụng chi tiết không gian chính xác (cạnh, vị trí chính xác) mà việc lấy mẫu xuống sẽ bị mất, do đó kết quả đầu ra vừa phong phú về mặt ngữ nghĩa vừa chính xác về mặt không gian. U-Net đã đào tạo tốt từ rất ít hình ảnh có chú thích bằng cách sử dụng tính năng tăng cường mạnh. Ngày nay, nó hỗ trợ Khuếch tán ổn định và các mô hình tương tự, trong đó U-Net dự đoán tiếng ồn cần loại bỏ ở mỗi bước khử nhiễu, thường được tăng cường bằng sự chú ý và điều chỉnh dấu thời gian.
Hiểu biết kỹ thuật
Điều kỳ diệu nằm ở việc bỏ qua các kết nối. Khi bộ mã hóa lấy mẫu xuống, nó tóm tắt 'cái gì' hiện diện nhưng làm mờ 'nó ở đâu'. Bộ giải mã nâng cấp các mẫu để khôi phục độ phân giải nhưng thiếu chi tiết sắc nét. Bằng cách ghép từng bản đồ tính năng của bộ mã hóa vào bộ giải mã ở cùng một tỷ lệ, U-Net cung cấp thông tin không gian chính xác trực tiếp qua nút cổ chai, cho phép kết hợp các tính năng ngữ nghĩa sâu sắc và khả năng bản địa hóa tốt. Đây là lý do tại sao mặt nạ phân đoạn căn chỉnh chặt chẽ với ranh giới đối tượng.
Tác động chiến lược
Tốc độ và tỷ lệ
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Xây dựng lựa chọn
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Nhóm và quy trình làm việc
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Tương lai của kiến trúc U-Net
U-Net vẫn là một công cụ hữu ích nhưng đang phát triển. Trong quá trình tạo hình ảnh, các đường trục khuếch tán dựa trên máy biến áp (DiT) đang thách thức U-Net tích chập ở quy mô lớn, trong khi các kết hợp lai thêm các lớp chú ý bên trong U-Net. Trong phân đoạn, bộ mã hóa máy biến áp và các mô hình nền tảng như SAM được xây dựng dựa trên ý tưởng U-Net. Mong đợi nguyên tắc bỏ qua kết nối của U-Net sẽ tiếp tục tồn tại ngay cả khi các khối xây dựng chuyển từ cấu trúc phức tạp thuần túy sang kiến trúc lai và dựa trên sự chú ý.
Triển khai trong thế giới thực
Phân chia khối u, tế bào hoặc cơ quan trong hình ảnh MRI và kính hiển vi, cách sử dụng ban đầu và vẫn phổ biến của U-Net.
Đóng vai trò là mạng khử nhiễu trong Khuếch tán ổn định, dự đoán nhiễu sẽ giảm ở mỗi bước tạo hình ảnh.
Phân tích hình ảnh vệ tinh và trên không, chẳng hạn như lập bản đồ đường, tòa nhà hoặc phá rừng theo từng pixel.
Các tác vụ chuyển từ hình ảnh sang hình ảnh như xóa nền, vẽ nội dung và siêu phân giải trong đó đầu ra phải căn chỉnh với các pixel đầu vào.
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
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
Hướng dẫn tiếp theo
Kiến trúc StyleGAN
Câu hỏi thường gặp
What is U-Net Architecture?
U-Net là mạng thần kinh tích chập có hình dạng giống chữ 'U', có khả năng tạo ra kết quả đầu ra chính xác đến từng pixel, ban đầu dành cho phân đoạn hình ảnh y sinh. Thiết kế bộ mã hóa-giải mã với các kết nối bỏ qua khiến nó trở thành xương sống của các mô hình khuếch tán hình ảnh hiện đại.
Điều gì tạo nên hình dạng chữ U của U-Net?
Bộ mã hóa thu gọn và bộ giải mã mở rộng đối xứng tạo thành hai nhánh của chữ 'U'.
Mục đích bỏ qua kết nối của U-Net là gì?
Bỏ qua các kết nối nối bản đồ tính năng của bộ mã hóa vào bộ giải mã, khôi phục chi tiết không gian chính xác bị mất trong quá trình lấy mẫu xuống.
U-Net ban đầu được thiết kế để làm gì?
Ronneberger và các đồng nghiệp đã giới thiệu U-Net vào năm 2015 để phân đoạn hình ảnh y sinh, hoạt động tốt với một số hình ảnh được gắn nhãn.
Trong Khuếch tán ổn định, U-Net dự đoán điều gì ở mỗi bước?
U-Net khuếch tán được đào tạo để dự đoán nhiễu được thêm vào tiềm ẩn để có thể loại bỏ nó, khử nhiễu dần dần về phía hình ảnh.
Điều gì xảy ra với thông tin không gian khi bộ mã hóa lấy mẫu xuống?
Lấy mẫu xuống xây dựng các đặc điểm ngữ nghĩa cấp cao đồng thời làm mờ nội địa hóa không gian chính xác, giúp bỏ qua các kết nối sau này giúp khôi phục.