この記事の読者
深層学習・ディープラーニングの手法の1つである「U-Net」について知りたい.
Index
U-Net とは
2015 年に発表された Semantic Segmentation のタスクの手法.
- Segmentation
FCN (Fully Convolutional Network) の改善手法.
非常に研究されているネットワークアーキテクチャの一つ.
ネットワークアーキテクチャ
このように、U 字の形状のため、U-Net と呼ぶようです.
重要なポイントは以下の部分になります.
- Down Sampling
- Up Sampling
- Skip Connection
- Concat
Down Sampling
通常の CNN で、特徴量の抽出を目的とします. 通常と異なる点は、途中の特徴量マップを保存しておくことで、これを Up Sampling で使用します. 論文で、Convolution (Unpadded) + Active Function (ReLU) + Max Pooling を繰り返します.
Up Sampling
Deconvolution を利用することで、特徴量マップのサイズを大きくしていきます.
Skip Connection
Up Sampling 中に抽出した特徴量マップを Down Sampling に組み込むことで、特徴量情報を失わずに、満遍なく利用することができます.
Concat
Up Sampling 中に抽出した特徴量マップを Down Sampling で利用する際は、連結処理をすることで後続のネットワークに情報を加えます.
参考
- U-Net: Convolutional Networks for Biomedical Image Segmentation
- [2015]
- arxiv.org