Unet Segmentation

U-Net ist eine neuronale Netzarchitektur, die für die semantische Segmentierung verwendet wird und aus einem kontrahierenden und einem expansiven Pfad besteht. Der kontrahierende Pfad führt durch wiederholte Anwendungen von 3x3-Faltungen, ReLU-Aktivierungen und 2x2-Max-Pooling Downsampling durch, wobei die Anzahl der Feature-Kanäle auf jeder Ebene verdoppelt wird. Der expansive Pfad führt hingegen Upsampling durch, indem er 2x2-Faltungen, die Verkettung von Feature-Maps und 3x3-Faltungen verwendet. Schließlich führt eine 1x1-Faltung die Feature-Vektoren auf die gewünschten Klassen ab. U-Net hat einen bedeutenden Anwendungswert in der medizinischen Bildanalyse und kann effizient und genau Pixel-Level-Klassifizierungen erreichen.