[논문리뷰] U-Net: Convolutional Networks for Biomedical Image Segmentation (MICCAI 2015)

솔직하게 고백하자면 U-Net 자세하게 모르고 있었다. 이걸 이제서야 자세히 본다.

이 기회에 잘 보고 넘어가려고 한다.

https://arxiv.org/pdf/1505.04597

 

Network Architecture 부분만 봤다.

 

2. Network Architecture

크게 *contracting path + **expansive path 두 부분으로 구성되어 있음

* contracting: 수축

** expansive: 팽창

 

Contracting path는 그냥 CNN 구조이다.

(3x3 conv (채널 수↑) → ReLU → 3x3 conv → ReLU → 2x2 *max pool) x 4번 한다.

* max pool에 입력되는 크기는 짝수여야 함

Expansive path는

(2x2 up-conv (채널 수↓) → **copy & crop ⭐️ → 3x3 conv → ReLU → 3x3 conv → ReLU) x 4번 한다.

마지막에 1x1 conv로 원하는 클래스 수로 변환한다.

** copy & crop: 같은 해상도의 encoder 중앙부분을 crop해서 decoder에 붙인다!

왜 copy해서 가져오는가? Decoder가 디테일 정보가 부족하기 대문에 encoder의 디테일을 살리려고 하는 것이다!

                                      (Encoder의 윗쪽은 디테일 정보가 살아있고, 밑으로 갈 수록 디테일은 줄고 semantic 정보가 강조됨)

 

 

---

핵심은 저 회색 copy and crop 부분인 듯하다.

U자 형태로 줄인다음에 쭉 늘리면서 encoder 정보를 활용한다.

 

오..