U-Net

U-Net: Convolutional Networks for Biomedical Image Segmentation

 

 

U-Net은 Biomedical 분야에서 Image Segmentation을 목적으로 제안된 Encoder-Decoder 구조 모델이다. 이미지의 모든 픽셀을 분류하는 이미지 세그멘테이션 모델로 인코더는 입력받은 이미지를 합성곱을 이용해 특징을 추출하고, 디코더에서 복원되어 픽셀을 분류한다.

작은 데이터셋에 학습시켜도 좋은 성능이 나오는 모델이며 다른 segmentation 모델들과 다르게 세포들을 각각 개별 인스턴스로 생각하지는 않고 같은 클래스로 구분한다고 한다.

U-Net 아키텍처는 계산의 효율성이 필요하거나 픽셀 단위로 이미지를 구분할 필요가 있을 때 사용한다.

수축 경로에서는 Downsampling, 확장 경로에서는 Upsampling을 반복하며 피처맵을 생성하고 Bottle Neck에서는 모델을 일반화하고 robust하게 만든다. contracting path(수축 경로)에서는 활성화 함수로 ReLU를 사용하며 피처맵의 너비와 높이를 줄이면서 kernel을 2배로 늘리며 채널의 크기를 늘린다. expanding path(확장 경로)에서는 피처맵의 너비와 높이를 늘리면서 contracting path의 피처맵과 concatenation을 통해 합친 뒤 kernel의 개수를 반으로 줄인다. 채널의 개수를 줄이는 이유는 위에서 언급했던 것과 같이 세포들을 각각 개별 인스턴스로 생각하지 않고 같은 클래스로 구분하기 때문에 최종적으로 foreground, background 2개의 클래스로 판단하기 때문이다.

 

U-Net pytorch 실습

 

GitHub - hayashimasa/UNet-PyTorch: PyTorch implementation of the U-Net architecture

UNET_pytorch_Notebook.ipynb

 

학습 결과 세포 윤곽은 잘 잡아내고 있지만 세포핵은 잘 잡아내지 못하는 것으로 보인다.