U-Net

U-Net — особая архитектура в области глубокого обучения, специально разработанная для задач точной сегментации изображений. Изначально созданная для анализа биомедицинских изображений, эта свёрточная нейронная сеть (CNN) стала стандартом для любых приложений, требующих классификации на уровне пикселей. В отличие от стандартной классификации изображений, которая присваивает одну метку всему изображению, U-Net классифицирует каждый отдельный пиксель, позволяя модели определить точную форму и расположение объектов. Способность эффективно работать с ограниченным объёмом обучающих данных делает её особенно ценной в специализированных областях, где большие наборы данных встречаются редко.

Уникальная архитектура в форме «U»#

Название «U-Net» происходит от симметричной формы архитектуры, напоминающей букву U. Архитектура состоит из двух основных путей: сжимающего пути (энкодера) и расширяющего пути (декодера). Сжимающий путь извлекает контекст изображения, уменьшая его пространственные размеры, подобно стандартному бэкбону в других моделях компьютерного зрения. Расширяющий путь эффективно увеличивает карту признаков, восстанавливая исходный размер изображения для точной локализации.

Определяющей характеристикой U-Net является использование пропускающих соединений. Эти соединения связывают энкодер и декодер, напрямую передавая признаки высокого разрешения из сжимающего пути в расширяющий. Такой механизм позволяет сети объединять контекстную информацию с подробной пространственной информацией, предотвращая потерю мелких деталей, которая часто происходит при уменьшении разрешения. Эта структура помогает смягчить такие проблемы, как проблема исчезающего градиента, обеспечивая стабильное обучение.

Практические применения#

Хотя U-Net изначально появился в медицинской сфере, его универсальность привела к распространению в различных отраслях.

• Медицинская диагностика: U-Net широко используется в области ИИ в здравоохранении для выявления аномалий на снимках КТ и МРТ. Например, он обеспечивает точную сегментацию опухолей мозга или выделение органов для планирования хирургического вмешательства. Высокая точность модели особенно важна в этом случае, поскольку границы с точностью до пикселя могут существенно влиять на диагностику и лечение.
• Анализ спутниковых изображений: В геопространственном анализе U-Net помогает выполнять анализ спутниковых изображений для таких задач, как отслеживание вырубки лесов и городское планирование. Выполняя классификацию земного покрова, модель может различать водоёмы, леса и городские территории, помогая учёным отслеживать изменение климата и изменения окружающей среды с течением времени.

U-Net и другие модели сегментации#

Важно отличать U-Net от других терминов компьютерного зрения. U-Net выполняет семантическую сегментацию, при которой несколько объектов одного класса (например, два разных автомобиля) рассматриваются как единая сущность — маска класса «автомобиль». Напротив, сегментация экземпляров выявляет и разделяет каждый отдельный экземпляр объекта.

Современные архитектуры, такие как сегментационные модели YOLO26, во многих промышленных приложениях предлагают более быструю альтернативу традиционному U-Net, работающую в реальном времени. U-Net превосходно подходит для медицинских исследований благодаря высокой точности на небольших наборах данных, тогда как сегментация на основе YOLO часто предпочтительнее для развёртывания на периферийных устройствах, где скорость инференса имеет первостепенное значение.

Реализация сегментации#

Пользователям, которым нужно эффективно выполнять задачи сегментации, современные фреймворки предлагают удобные инструменты. Ты можешь использовать Ultralytics Platform, чтобы размечать наборы данных для сегментации и обучать модели без обширного программирования.

Вот краткий пример запуска инференса с использованием предварительно обученной сегментационной модели из пакета ultralytics:

from ultralytics import YOLO

# Load a YOLO26 segmentation model (a fast alternative for segmentation tasks)
model = YOLO("yolo26n-seg.pt")

# Run inference on an image to generate segmentation masks
results = model.predict("path/to/image.jpg", save=True)

# Process the results (e.g., access masks)
for result in results:
    masks = result.masks  # Access the segmentation masks object

Ключевые концепции и оптимизация#

Чтобы получить максимальную производительность от U-Net или похожей архитектуры сегментации, специалисты часто применяют аугментацию данных. Такие методы, как поворот, масштабирование и эластичные деформации, помогают модели обучаться инвариантности и предотвращают переобучение, что особенно важно при ограниченном объёме обучающих данных.

Кроме того, крайне важно правильно определить функцию потерь. К распространённым вариантам относятся коэффициент Dice и фокальная функция потерь, которые лучше справляются с дисбалансом классов, чем стандартная перекрёстная энтропия, помогая модели сосредоточиться на пикселях, которые сложно классифицировать. Чтобы узнать больше об истории и технических деталях, ты можешь прочитать наше подробное руководство по архитектуре U-Net.