第19期｜UNet为什么特别适合图像分割？
分割既要识别目标是什么，也要精确指出每个像素的位置。UNet用编码器提取语义，用解码器恢复分辨率，再通过跳跃连接把早期细节送回解码阶段。
1.UNet由下采样和上采样两部分组成
左侧编码器逐步压缩并提取语义
底部特征拥有更大的观察范围
右侧解码器逐步恢复空间尺寸
整体形状像字母U
2.像先读懂地图，再放大标出边界
缩小地图有助于看清城市整体关系
放大地图才能精确画出每条道路
只看整体会缺少细节
只看细节又可能不知道目标是什么
3.编码器回答：图里有什么？
浅层提取边缘、纹理等局部信息
下采样后逐步形成高级语义
感受野扩大，能利用更多上下文
代价是空间分辨率不断降低
4.解码器回答：目标具体在哪里？
逐级上采样恢复特征图尺寸
卷积融合并细化预测
最终输出与输入对应的分割图
但单靠上采样难以恢复所有细节
5.把高分辨率细节直接送给解码器
编码器同尺度特征与解码特征融合
补回边界和小结构信息
同时结合浅层定位与深层语义
这是UNet最具代表性的设计
6.最后一层给每个像素分配类别
二分类常输出前景概率
多分类为每个像素输出多个类别概率
再取阈值或最大概率得到掩膜
训练常使用Dice与交叉熵等损失
7.3D UNet如何处理医学体数据？
卷积和特征图从二维扩展为三维
能利用相邻切片的连续解剖信息
显存不足时会使用Patch训练
nnUNet会自动配置许多关键参数
8.语义向下走，细节跨层回来
编码器提取上下文和语义
解码器恢复空间分辨率
跳跃连接补充定位与边界

下一期：ResNet的残差连接解决什么？
一句话总结：编码器提取上下文和语义；解码器恢复空间分辨率；跳跃连接补充定位与边界。
深度学习 人工智能 机器学习 神经网络 AI入门 计算机视觉