YOLO Vision 2025にご期待ください！
2025年9月25日
10:00 — 18:00（英国夏時間）
ハイブリッドイベント
セマンティックセグメンテーションのための強力なCNNアーキテクチャであるU-Netをご覧ください。医療、衛星、および自律イメージングにおけるそのアプリケーションを学びます。
U-Netは、高速かつ高精度な画像セグメンテーションのために設計された畳み込みニューラルネットワーク（CNN）アーキテクチャです。元々は生物医学画像セグメンテーションのために開発されましたが、その革新的なU字型の構造により、コンピュータビジョン（CV）分野の基礎モデルとなっています。このアーキテクチャは、比較的少数の画像でエンドツーエンドでトレーニングでき、非常に正確なセグメンテーションマスクを生成できるため、データが不足している領域に最適です。そのコアコンセプトの詳細については、U-Netアーキテクチャとその応用に関するガイドをご覧ください。
U-Netアーキテクチャは、その独特なU字型からその名が付けられました。コンテキストをキャプチャするための収縮パス（エンコーダー）と、正確なローカリゼーションを可能にする対称的な拡張パス（デコーダー）の2つの主要なパスで構成されています。この設計により、高レベルのコンテキスト情報と詳細な空間的詳細を効果的に組み合わせることができます。
収縮パス（エンコーダ）: これは典型的な畳み込みニューラルネットワークです。畳み込みとプーリング操作の繰り返しブロックで構成されています。エンコーダは画像を段階的にダウンサンプリングし、空間次元を縮小しながら、特徴チャネルの数を増やします。このプロセスにより、ネットワークは階層的な特徴を学習し、画像のより広いコンテキストを捉えることができます。
拡張パス（デコーダ）: デコーダの役割は、エンコーダからの圧縮された特徴表現を受け取り、高解像度のセグメンテーションマップを再構築することです。これは、空間次元を拡大しながら特徴チャネルを減少させる一連の「アップコンボリューション」（または転置畳み込み）によって行われます。
スキップ接続: U-Netの最も重要なイノベーションは、スキップ接続の使用です。これらの接続は、エンコーダからの特徴マップをデコーダ内の対応するレイヤーに直接リンクします。これにより、デコーダは初期のエンコーダレイヤーからの高解像度の特徴を再利用でき、ダウンサンプリングプロセス中に失われがちな細かい詳細を復元するのに役立ちます。この浅い特徴と深い特徴の融合が、U-Netの正確なローカリゼーション機能の鍵となります。オリジナルのU-Net論文に詳細な技術的分析が記載されています。
U-Netは、限られたデータで正確なセグメンテーションを実行できるため、元の医療分野を超えて多くの分野で採用されています。
医療画像解析: U-Netは、脳スキャンの腫瘍のセグメント化、顕微鏡画像の細胞の識別、手術計画のための臓器の概説などのタスクに広く使用されています。たとえば、医療におけるAIでは、U-NetモデルはMRIスキャンのデータセットでトレーニングして、脳腫瘍を自動的に概説し、放射線科医がより迅速かつ正確な診断を下せるように支援します。使用されるデータの種類を確認するには、公開されている医療画像データセットを調べることができます。
衛星画像解析： 地理情報システム（GIS）では、U-Netモデルを使用して衛星画像を分析します。モデルは、さまざまな種類の土地被覆（森林、水域、都市部）を識別およびセグメント化したり、航空写真から道路網をマッピングしたりするようにトレーニングできます。これは、都市計画、環境モニタリング、およびスマート農業のアプリケーションにとって重要です。NASA Earthdataイニシアチブのようなプロジェクトは、このようなテクノロジーに依存しています。
U-Netは強力ですが、他のコンピュータビジョンモデルと区別することが重要です。
セグメンテーションにおけるU-NetとYOLOの比較: Ultralytics YOLOのようなモデルも画像セグメンテーションを実行します。ただし、YOLO11などのアーキテクチャは、主に物体検出やインスタンスセグメンテーションなどのタスクにおけるリアルタイムパフォーマンスのために設計されています。U-Netは、すべてのピクセルが分類されるセマンティックセグメンテーションにおいて高い精度で知られる古典的なアーキテクチャですが、最新の高度に最適化されたモデルの速度には及ばない可能性があります。これらのトレードオフを理解するために、さまざまなモデルのパフォーマンスを比較することができます。
セマンティックセグメンテーションとインスタンスセグメンテーションの比較: U-Netは、基本的にセマンティックセグメンテーションモデルです。各ピクセルにクラスラベル（例：「車」、「道路」、「建物」）を割り当てます。対照的に、インスタンスセグメンテーションは、同じクラスの異なるインスタンス（例：「車1」、「車2」）を区別します。ベースのU-Netアーキテクチャはセマンティックセグメンテーション用ですが、その原則は、インスタンスセグメンテーションを実行するために、Mask R-CNNのようなより複雑なモデルに適用されています。
U-Netは、ディープラーニングにおける重要なマイルストーンであり続けています。その成功は、洗練されたアーキテクチャが、膨大なデータセットがなくても優れた結果を達成できることを示しました。スキップ接続の概念は非常に影響力があり、Transformerに基づくものを含め、多くの高度なネットワークアーキテクチャで一般的な機能となっています。
U-Netは依然として強力なベースラインですが、多くの最新のセグメンテーションソリューションはそのアイデアを基に構築されています。独自のビジョンアプリケーションを構築しようとしている開発者にとって、PyTorchやTensorFlowのようなプラットフォームは、U-Netや同様のモデルを実装するためのツールを提供します。統合されたノーコードのエクスペリエンスについては、Ultralytics HUBを使用して、独自のデータでカスタムセグメンテーションモデルをトレーニングできます。
