- 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)
| الطبقة | النوع | المدخل | المخرج | التكرار | Parameters | الصيغة | MACs |
|---|---|---|---|---|---|---|---|
| صورة الدخل (مجهر) | input | 1 × 572 × 572 | 1 | 0 | — | ||
| مستوى 1: 2× conv 3×3 (64) + ReLU | block | 1 × 572 × 572 | 64 × 568 × 568 | 1 | 37,568 | من تنفيذ PyTorch المرجعي | 12,080,353,536 |
| مستوى 2: 2× conv 3×3 (128) + ReLU | block | 64 × 284 × 284 | 128 × 280 × 280 | 1 | 221,440 | من تنفيذ PyTorch المرجعي | 17,423,695,872 |
| مستوى 3: 2× conv 3×3 (256) + ReLU | block | 128 × 140 × 140 | 256 × 136 × 136 | 1 | 885,248 | من تنفيذ PyTorch المرجعي | 16,525,688,832 |
| مستوى 4: 2× conv 3×3 (512) + ReLU | block | 256 × 68 × 68 | 512 × 64 × 64 | 1 | 3,539,968 | من تنفيذ PyTorch المرجعي | 14,802,223,104 |
| القاع: 2× conv 3×3 (1024) | block | 512 × 32 × 32 | 1024 × 28 × 28 | 1 | 14,157,824 | من تنفيذ PyTorch المرجعي | 11,645,485,056 |
| up-conv 2×2 ← 512 | upsample | 1024 × 28 × 28 | 512 × 56 × 56 | 1 | 2,097,664 | من تنفيذ PyTorch المرجعي | 1,644,167,168 |
| دمج ثم 2× conv 3×3 (512) | concat | 512+512 قناة | 512 × 52 × 52 | 1 | 7,078,912 | من تنفيذ PyTorch المرجعي | 20,138,950,656 |
| up-conv 2×2 ← 256 | upsample | 512 × 52 × 52 | 256 × 104 × 104 | 1 | 524,544 | من تنفيذ PyTorch المرجعي | 1,417,674,752 |
| دمج ثم 2× conv 3×3 (256) | concat | 256+256 قناة | 256 × 100 × 100 | 1 | 1,769,984 | من تنفيذ PyTorch المرجعي | 18,171,297,792 |
| up-conv 2×2 ← 128 | upsample | 256 × 100 × 100 | 128 × 200 × 200 | 1 | 131,200 | من تنفيذ PyTorch المرجعي | 1,310,720,000 |
| دمج ثم 2× conv 3×3 (128) | concat | 128+128 قناة | 128 × 196 × 196 | 1 | 442,624 | من تنفيذ PyTorch المرجعي | 17,226,399,744 |
| up-conv 2×2 ← 64 | upsample | 128 × 196 × 196 | 64 × 392 × 392 | 1 | 32,832 | من تنفيذ PyTorch المرجعي | 1,258,815,488 |
| دمج ثم 2× conv 3×3 (64) | concat | 64+64 قناة | 64 × 388 × 388 | 1 | 110,720 | من تنفيذ PyTorch المرجعي | 16,763,682,816 |
| conv 1×1 ← فئتان | pwconv | 64 × 388 × 388 | 2 × 388 × 388 | 1 | 130 | من تنفيذ PyTorch المرجعي | 19,269,632 |
| خريطة التجزئة | output | 2 × 388 × 388 | 2 × 388 × 388 | 1 | 0 | — |
أرقام التكوين: U-Net الأصلية: دخل 572×572، مخرج 388×388، فئتان
- 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.
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
- يستخدم مكوناً من Denoising Diffusion Probabilistic Models — شبكة إزالة الضوضاء في DDPM من نوع U-Net. قارن
- Denoising Diffusion Probabilistic Models — شبكة إزالة الضوضاء U-Net. قارن
- يستخدم مكوناً من Stable Diffusion — Stable Diffusion يستخدم U-Net مشروطة. قارن
- Stable Diffusion — شبكة U-Net الكامنة. قارن
- VGG-16 — المسار المتقلص يشبه VGG. قارن
- Deep Autoencoder — معمارية مشفّر-مفكك. قارن
- Densely Connected Convolutional Network (DenseNet) — كلاهما يعتمد الدمج على القنوات. قارن
المراجع
- 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
الإصدار 1 — آخر تحديث 2026-11-15.
