完整定義
U-Net是一種專為生物醫學圖像分割設計的深度學習模型,由編碼器(下採樣路徑)和解碼器(上採樣路徑)組成,架構呈U型。編碼器負責提取圖像的特徵,解碼器負責將特徵映射回原始圖像的尺寸,並進行像素級的分類。U-Net的跳躍連接 (skip connections) 將編碼器的特徵圖直接連接到解碼器,有助於保留圖像的細節資訊。
白話說明
你有沒有看過醫生要把腫瘤邊界圈得很精準,心裡想這種事 AI 也辦得到嗎?
你可以把 U-Net 想成「一邊看全局,一邊把細節畫回來」的模型
它最擅長的是影像分割,也就是把每個像素分到對的類別
因為有跳躍連接,邊界和細節通常比一般分類模型更好保留
記住這句
左邊壓縮看全局,右邊放大畫邊界。
比喻:U-Net 就像一位精密的醫生在看X光片 -- 它先「縮小」看清整張片的整體輪廓和病灶位置(編碼器),再「放大」精確地描繪出病灶的邊界(解碼器)。
容易混淆
U-Net vs 圖像分類
U-Net 要標出每個像素
圖像分類只要給整張圖一個標籤
最關鍵的區別:像素級和整張圖級
U-Net vs 自編碼器
U-Net 也有編碼和解碼
但它重視分割結果,不只是還原輸入
最關鍵的區別:任務目的不同
U-Net vs 一般 CNN
U-Net 會保留更多中間層細節
一般 CNN 常一路壓到最後做分類
最關鍵的區別:有沒有把細節接回來
實際案例
醫學影像
在 CT 或超音波裡標出器官或病灶範圍,醫師就能更快檢查
工業檢測
在產品照片裡圈出刮痕或瑕疵區域,比只判斷有沒有瑕疵更實用
演算法與應用
| 編碼器 | 把影像壓縮成高層特徵 | 負責看全局 |
| 解碼器 | 把特徵放大回像素圖 | 負責畫細節 |
| 跳躍連接 | 把高解析度資訊接回來 | 能減少邊界損失 |
| 分割輸出 | 每個像素都有類別 | 這是 U-Net 的核心結果 |
U-Net 的形狀就是它的名字
U-Net 畫出來是一個 U 字形,左邊往下、右邊往上,中間有橫向的線把兩側接起來。三個部分各有職責。
左半邊,收縮路徑(contracting path)。 標準的卷積加池化,逐步降低解析度、增加通道數。這一邊負責「這是什麼」,也就是抽取語意。
底部,瓶頸(bottleneck)。 解析度最低、語意層次最高的地方。
右半邊,擴張路徑(expansive path)。 逐步上採樣把解析度放大回原尺寸,最後輸出一張跟輸入同樣大小的分割圖,每個像素都有一個類別。
中間的跳接(skip connection)。 這是 U-Net 最關鍵的設計。左邊每一層的特徵圖會直接接到右邊對應解析度的那一層,串接(concatenate)在一起。
為什麼需要跳接:下採樣過程中位置精度會流失,光靠上採樣還原不出邊界。左邊淺層保留了精確的邊界資訊,接過來之後右邊才能畫出貼合的輪廓。這也是 U-Net 分割邊界特別銳利的原因。
為什麼它在醫療影像上特別受歡迎
它是為了少量標註資料設計的。 醫療影像的標註要專業醫師逐像素畫,資料量天生就少。U-Net 原始論文用的訓練集只有 30 張影像,靠大量彈性形變的資料增強就達到當時最好的結果。
輸出跟輸入同尺寸,逐像素分類。 醫療上要的是「腫瘤在哪裡、多大」,不是「有沒有腫瘤」,所以需要的正是分割而不是分類。
結構簡單、參數量不大。 好訓練、好調整、也容易改。
後來的變體很多:3D U-Net 處理電腦斷層與磁振造影這類立體資料,Attention U-Net 在跳接上加注意力篩選有用的特徵,nnU-Net 則是自動依資料特性決定所有超參數的框架,長年在各種醫療分割競賽上表現領先。
用途也早就超出醫療:衛星影像地物分割、工業瑕疵檢測、影像修補,甚至擴散模型的去噪網路,骨架都是 U-Net。
情境判斷
Q1(直覺題):你要在顯微鏡照片裡圈出細胞輪廓,應該想到它嗎?
應該,因為這就是典型的影像分割任務。
Q2(判斷題):如果你只想判斷照片裡有沒有病灶,還一定要用 U-Net 嗎?
不一定,單純分類任務用一般 CNN 可能就夠了。
常見問題
不是,任何需要像素級分割的任務都可能用到。
因為整個編碼與解碼的路徑畫出來像字母 U。
它把早期的細節資訊送回解碼端,讓邊界更準。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本