Como é composta a arquitetura U-Net?

A arquitetura U-Net é uma rede neural convolucional amplamente utilizada para tarefas de segmentação de imagens, especialmente na área médica. Ela consiste em duas partes principais:

1. Parte de compressão (codificador) — uma sequência de camadas convolucionais e operações de subamostragem (max pooling) que extraem características e reduzem as dimensões espaciais da imagem, criando uma representação abstrata.

2. Parte de reconstrução (decodificador) — uma sequência de operações de upsampling (por exemplo, convoluções transpostas) e camadas convolucionais que restauram a resolução espacial e formam a máscara de segmentação.

A característica principal do U-Net é a presença de conexões de salto entre os níveis correspondentes do codificador e do decodificador. Essas conexões transmitem informações detalhadas das camadas iniciais diretamente para o decodificador, ajudando a restaurar limites precisos dos objetos.

Estrutura aproximada:

Entrada -> [Conv + ReLU]*2 -> MaxPool -> ... -> Gargalo -> UpConv -> Concatenar(conexão de salto) -> [Conv + ReLU]*2 -> ... -> Saída

O U-Net funciona de forma eficiente com uma quantidade limitada de dados de treinamento e permite obter mapas de segmentação precisos.