نماذج الرؤية الحاسوبية يحتاج مراجعة

U-Net

يو-نت — U-Net

سنة الظهور
2015
الباحثون
Olaf Ronneberger, Philipp Fischer, Thomas Brox
الجهة
University of Freiburg
نوع المعمارية
Encoder–decoder fully convolutional network
آلية التعلم
supervised
المهام
تجزئة الصور الطبية، التجزئة الدلالية

شبكة التفافية كاملة على شكل حرف U تجمع مساراً متقلصاً يلتقط السياق ومساراً متمدداً يستعيد الدقة، مع اتصالات تخطٍّ تنقل التفاصيل.

مخطط المعمارية

التكوين المعروض: U-Net الأصلية: دخل 572×572، مخرج 388×388، فئتان — 23 طبقة التفاف دون حشو، ومسار متقلص ومسار متمدد متناظران.

جدول الطبقات (16 عقدة)
الطبقةالنوعالمدخلالمخرجالتكرارParametersالصيغةMACs
صورة الدخل (مجهر)input1 × 572 × 57210—
مستوى 1: 2× conv 3×3 (64) + ReLUblock1 × 572 × 57264 × 568 × 568137,568من تنفيذ PyTorch المرجعي12,080,353,536
مستوى 2: 2× conv 3×3 (128) + ReLUblock64 × 284 × 284128 × 280 × 2801221,440من تنفيذ PyTorch المرجعي17,423,695,872
مستوى 3: 2× conv 3×3 (256) + ReLUblock128 × 140 × 140256 × 136 × 1361885,248من تنفيذ PyTorch المرجعي16,525,688,832
مستوى 4: 2× conv 3×3 (512) + ReLUblock256 × 68 × 68512 × 64 × 6413,539,968من تنفيذ PyTorch المرجعي14,802,223,104
القاع: 2× conv 3×3 (1024)block512 × 32 × 321024 × 28 × 28114,157,824من تنفيذ PyTorch المرجعي11,645,485,056
up-conv 2×2 ← 512upsample1024 × 28 × 28512 × 56 × 5612,097,664من تنفيذ PyTorch المرجعي1,644,167,168
دمج ثم 2× conv 3×3 (512)concat512+512 قناة512 × 52 × 5217,078,912من تنفيذ PyTorch المرجعي20,138,950,656
up-conv 2×2 ← 256upsample512 × 52 × 52256 × 104 × 1041524,544من تنفيذ PyTorch المرجعي1,417,674,752
دمج ثم 2× conv 3×3 (256)concat256+256 قناة256 × 100 × 10011,769,984من تنفيذ PyTorch المرجعي18,171,297,792
up-conv 2×2 ← 128upsample256 × 100 × 100128 × 200 × 2001131,200من تنفيذ PyTorch المرجعي1,310,720,000
دمج ثم 2× conv 3×3 (128)concat128+128 قناة128 × 196 × 1961442,624من تنفيذ PyTorch المرجعي17,226,399,744
up-conv 2×2 ← 64upsample128 × 196 × 19664 × 392 × 392132,832من تنفيذ PyTorch المرجعي1,258,815,488
دمج ثم 2× conv 3×3 (64)concat64+64 قناة64 × 388 × 3881110,720من تنفيذ PyTorch المرجعي16,763,682,816
conv 1×1 ← فئتانpwconv64 × 388 × 3882 × 388 × 3881130من تنفيذ PyTorch المرجعي19,269,632
خريطة التجزئةoutput2 × 388 × 3882 × 388 × 38810—

أرقام التكوين: U-Net الأصلية: دخل 572×572، مخرج 388×388، فئتان

Parameters (محسوبة من الطبقات)31,030,658 (≈31.03M)
Parameters (منشورة في المصدر)غير محدد
MACs150,428,424,448 (≈150.43B)
FLOPs ≈ 2 × MACs300,856,848,896 (≈300.86B)
شكل المدخل
1×572×572
شكل المخرج
2×388×388
العمق
23 طبقة التفاف
التعقيد
خطية في عدد البكسلات؛ نحو 150 مليار عملية ضرب-جمع لهذا الحجم.
ملاحظة MACs
محسوبة بـ torch.utils.flop_counter لصورة 572×572.
افتراضات الحساب: تنفيذ بُني من الشكل 1 في الورقة (دون حشو، ReLU، دون BatchNorm، قص قبل الدمج).

MAC = عملية ضرب يتبعها جمع. الأرقام لتمرير أمامي واحد لعينة واحدة بالأبعاد المذكورة، وهي حساب تحليلي وليست قياساً لزمن تشغيل.

الشرح العلمي

الخلفية التاريخية

قُدمت في MICCAI 2015 وفازت بتحدي ISBI لتتبع الخلايا، وأصبحت المعمارية الأساسية لتجزئة الصور الطبية، ثم الشبكة الأساسية في نماذج الانتشار.

المشكلة التي يعالجها

تجزئة دقيقة على مستوى البكسل في الصور الطبية مع عدد قليل جداً من الصور المعلَّمة.

الفكرة الأساسية

مشفّر-مفكك متناظر مع دمج (Concatenation) خرائط المشفّر عالية الدقة في المفكك، وزيادة بيانات بالتشويه المرن.

وصف المعمارية

أربع مستويات تقليص (التفافان 3×3 ثم تجميع)، وقاع بـ 1024 قناة، وأربع مستويات تمدد (التفاف منقول 2×2 ثم دمج ثم التفافان)، ثم التفاف 1×1 للفئات.

تدفق البيانات

572×572 ← 568×568×64 ← … ← 28×28×1024 ← … ← 388×388×64 ← 388×388×2.

المدخلات

صورة رمادية (مع استقراء المرآة عند الحواف للبلاطات).

المخرجات

خريطة احتمالات لكل بكسل.

آلية التدريب

SGD بزخم 0.99 ودفعة صورة واحدة كبيرة، وخريطة أوزان تزيد وزن الحدود بين الخلايا المتلاصقة، وتشويه مرن عشوائي.

دوال الخسارة

إنتروبيا متقاطعة موزونة لكل بكسل بخريطة أوزان w(x).

التعقيد الحسابي

O(H·W) مع ثابت كبير.

المتطلبات الحسابية

متوسطة؛ GPU بذاكرة 6GB في الورقة (Titan).

المزايا

  • تعمل جيداً مع بيانات قليلة
  • تفاصيل حدود دقيقة بفضل التخطي
  • بسيطة وقابلة للتعديل (3D و Attention U-Net…)

القيود

  • دون حشو يتقلص المخرج ويحتاج تبليطاً
  • ذاكرة كبيرة للصور عالية الدقة
  • لا تفرق بين النسخ المختلفة من الفئة نفسها

المعادلات

التفاف دون حشو Valid convolution size

H_{out} = H_{in} - k + 1 = H_{in} - 2 \quad (k = 3)

كل التفاف 3×3 يقلص الأبعاد بكسلين.

الالتفاف المنقول Transposed convolution

H_{out} = (H_{in} - 1)\,s + k = 2H_{in} \quad (k = s = 2)

يضاعف الأبعاد ويخفض القنوات للنصف.

اتصال التخطي بالدمج Skip connection by concatenation

\mathbf{d}_l = f\big([\operatorname{crop}(\mathbf{e}_l) \,\Vert\, \operatorname{up}(\mathbf{d}_{l+1})]\big)

دمج سمات المشفّر بالمستوى نفسه مع المفكك.

الخسارة الموزونة Weighted cross-entropy

E = \sum_{\mathbf{x} \in \Omega} w(\mathbf{x}) \log p_{\ell(\mathbf{x})}(\mathbf{x}),\quad w(\mathbf{x}) = w_c(\mathbf{x}) + w_0 \exp\!\left(-\frac{(d_1(\mathbf{x}) + d_2(\mathbf{x}))^2}{2\sigma^2}\right)

وزن أعلى للبكسلات بين الخلايا المتلاصقة (w₀ = 10، σ ≈ 5).

الرموز: d₁، d₂: المسافة إلى أقرب خليتين

التطبيقات

النماذج المرتبطة

المراجع

  1. الورقة الأصلية Olaf Ronneberger, Philipp Fischer, Thomas Brox. (2015). U-Net: Convolutional networks for biomedical image segmentation. MICCAI 2015, LNCS 9351, 234–241. doi:10.1007/978-3-319-24574-4_28 موثّق
ملاحظة المراجعة العلمية: مسودة علمية أولى مبنية على الورقة الأصلية والتنفيذات المرجعية؛ تحتاج مراجعة متخصص قبل اعتمادها نهائياً.

الإصدار 1 — آخر تحديث 2026-11-15.