U-Netは、医療画像などのセグメンテーションを目的に開発された畳み込みニューラルネットワークです。アルファベットのU字に似た特徴的な構造を持ち、少量のデータでも高精度なピクセル単位の画像分類を実現します。
U-Netとは
U-Netとは、入力画像と同じサイズの出力を生成し、ピクセル単位で画像の領域分割を行う畳み込みニューラルネットワークのアーキテクチャです。
詳しく解説
U-Netは2015年に発表され、主に生物医学画像のセマンティックセグメンテーションにおいて大きな成果を上げました。ネットワーク全体がU字型をしているのが特徴で、左側の収縮パス（エンコーダー）で画像の大まかな文脈や特徴量を抽出し、右側の拡張パス（デコーダー）で詳細な位置情報を復元します。エンコーダー側の中間特徴量をデコーダー側に直接結合するスキップコネクションを採用しているため、高解像度の特徴と低解像度の文脈情報を効果的に組み合わせることが可能です。これにより、データ拡張（データオーグメンテーション）技術と組み合わせることで、比較的少量の学習データでも高精度な推論が行えるという利点を持っています。
具体例・使われ方
具体的な利用例として、細胞画像やMRI・CTなどの医療画像から病変部や特定の臓器を高精度に抽出するタスクが挙げられます。また、AI画像生成モデルであるStable Diffusionの内部構造においても、ノイズ除去を行うバックボーンネットワークとしてU-Netが広く活用されています。
似た用語との違い
一般的なCNN（畳み込みニューラルネットワーク）が画像全体のクラス分類などを行うのに対し、U-Netは画像内のすべてのピクセルに対してラベルを割り当てるセマンティックセグメンテーション特化の構造である点が異なります。
注意点
U-Netはネットワークの構造上、解像度の高い画像やチャネル数が非常に多いデータを処理する際に多くのメモリと計算資源を消費する点に注意が必要です。また、過学習を防ぐためには適切なデータ拡張や正則化手法を組み合わせる必要があります。