Что такое U-Net

U-Net — это архитектура свёрточной нейронной сети (CNN), разработанная для сегментации изображений. Она состоит из двух частей:

1. Энкодер (сжатие) — уменьшает размерность изображения, извлекая признаки.
2. Декодер (расширение) — восстанавливает пространственную информацию, используя skip-connections для точной локализации.

Skip-connections соединяют слой энкодера с соответствующим слоем декодера, помогая сохранить детали.

Пример реализации на PyTorch:

import torch.nn as nn

class DoubleConv(nn.Module):
    def __init__(self, in_channels, out_channels):
        super().__init__()
        self.conv = nn.Sequential(
            nn.Conv2d(in_channels, out_channels, 3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(out_channels, out_channels, 3, padding=1),
            nn.ReLU(inplace=True)
        )

    def forward(self, x):
        return self.conv(x)

# Энкодер и декодер строятся на основе DoubleConv с max-pooling и upsampling.

Применяется в медицине (сегментация МРТ), автономных автомобилях и др.