U-Net

U-Net là một kiến trúc đặc biệt trong lĩnh vực deep learning được thiết kế riêng cho các tác vụ phân đoạn ảnh chính xác. Ban đầu được phát triển để phân tích ảnh y tế, mạng neural tích chập (CNN) này đã trở thành tiêu chuẩn cho mọi ứng dụng yêu cầu phân loại cấp độ pixel. Khác với phân loại ảnh tiêu chuẩn vốn gán một nhãn duy nhất cho toàn bộ ảnh, U-Net phân loại từng pixel riêng lẻ, cho phép model xác định chính xác hình dạng và vị trí của các đối tượng. Khả năng hoạt động hiệu quả với dữ liệu huấn luyện hạn chế khiến nó trở nên vô cùng giá trị trong các lĩnh vực chuyên môn nơi các tập dữ liệu lớn rất khan hiếm.

Kiến trúc "U" độc đáo#

Tên gọi "U-Net" bắt nguồn từ hình dạng đối xứng của nó, trông giống chữ cái U. Kiến trúc này bao gồm hai đường dẫn chính: đường dẫn thu nhỏ (encoder) và đường dẫn mở rộng (decoder). Đường dẫn thu nhỏ nắm bắt bối cảnh của hình ảnh bằng cách giảm kích thước không gian của nó, tương tự như một backbone tiêu chuẩn trong các model thị giác khác. Đường dẫn mở rộng thực hiện upsample bản đồ đặc trưng để khôi phục kích thước ảnh gốc nhằm định vị chính xác.

Một đặc điểm xác định của U-Net là việc sử dụng skip connections. Các kết nối này thu hẹp khoảng cách giữa encoder và decoder, truyền các đặc trưng độ phân giải cao từ đường dẫn thu nhỏ trực tiếp sang đường dẫn mở rộng. Cơ chế này cho phép mạng kết hợp thông tin ngữ cảnh với thông tin không gian chi tiết, ngăn chặn việc mất đi các chi tiết tinh vi thường xảy ra trong quá trình downsampling. Cấu trúc này giúp giảm thiểu các vấn đề như hiện tượng vanishing gradient, đảm bảo việc học diễn ra mạnh mẽ.

Các ứng dụng trong thực tế#

Mặc dù U-Net bắt nguồn từ lĩnh vực y tế, tính linh hoạt của nó đã dẫn đến việc áp dụng trên nhiều ngành công nghiệp khác nhau.

• Chẩn đoán y tế: U-Net được sử dụng rộng rãi trong AI trong y tế để xác định các bất thường trong ảnh chụp CT và MRI. Ví dụ, nó cho phép phân đoạn chính xác u não hoặc phác thảo các cơ quan để lên kế hoạch phẫu thuật. Độ chính xác cao của model là rất quan trọng ở đây, vì các ranh giới hoàn hảo đến từng pixel có thể ảnh hưởng đáng kể đến việc chẩn đoán và điều trị.
• Phân tích ảnh vệ tinh: Trong phân tích không gian địa lý, U-Net hỗ trợ phân tích ảnh vệ tinh cho các tác vụ như theo dõi nạn phá rừng hoặc quy hoạch đô thị. Bằng cách thực hiện phân loại lớp phủ đất, model có thể phân biệt giữa các vùng nước, rừng và khu vực đô thị, giúp các nhà khoa học theo dõi biến đổi khí hậu và sự dịch chuyển môi trường theo thời gian.

U-Net so với các Segmentation model khác#

Điều quan trọng là phải phân biệt U-Net với các thuật ngữ thị giác máy tính khác. U-Net thực hiện phân đoạn ngữ nghĩa, coi nhiều đối tượng cùng lớp (ví dụ: hai chiếc ô tô khác nhau) là một thực thể duy nhất (mặt nạ lớp "car"). Ngược lại, phân đoạn cá thể nhận diện và tách biệt từng thực thể đối tượng riêng lẻ.

Các kiến trúc hiện đại, chẳng hạn như các model phân đoạn YOLO26, cung cấp một giải pháp thay thế nhanh hơn, thời gian thực cho U-Net truyền thống trong nhiều ứng dụng công nghiệp. Trong khi U-Net vượt trội trong nghiên cứu y tế nhờ độ chính xác với các tập dữ liệu nhỏ, phân đoạn dựa trên YOLO thường được ưu tiên để triển khai trên edge devices nơi tốc độ suy luận là tối quan trọng.

Triển khai Segmentation#

Đối với người dùng muốn thực hiện các tác vụ phân đoạn một cách hiệu quả, các framework hiện đại cung cấp các công cụ được tối ưu hóa. Bạn có thể sử dụng Ultralytics Platform để chú thích các tập dữ liệu phân đoạn và huấn luyện model mà không cần viết quá nhiều mã.

Dưới đây là một ví dụ ngắn gọn về cách chạy suy luận sử dụng model phân đoạn được huấn luyện sẵn từ gói 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

Các khái niệm chính và tối ưu hóa#

Để đạt được hiệu suất tốt nhất từ U-Net hoặc kiến trúc phân đoạn tương tự, các kỹ sư thường áp dụng data augmentation. Các kỹ thuật như xoay, thay đổi tỷ lệ và biến dạng đàn hồi giúp model học tính bất biến và ngăn chặn hiện tượng overfitting, điều này đặc biệt quan trọng khi dữ liệu huấn luyện bị hạn chế.

Hơn nữa, việc xác định đúng loss function là cực kỳ quan trọng. Các lựa chọn phổ biến bao gồm hệ số Dice hoặc focal loss, giúp xử lý mất cân bằng lớp tốt hơn so với cross-entropy tiêu chuẩn, đảm bảo model tập trung vào các pixel khó phân loại. Để tìm hiểu thêm về lịch sử và các chi tiết kỹ thuật, bạn có thể đọc hướng dẫn chi tiết về kiến trúc U-Net của chúng tôi.