Почему U-Net стал базовой архитектурой для биомедицинской сегментации // У. Зубаирова, ИЦИГ СО РАН

Во второй лекции мы познакомимся с архитектурой U-Net - одной из самых известных моделей глубокого обучения для анализа изображений. Мы разберём, каким образом ей удаётся одновременно учитывать глобальный контекст и сохранять точную локализацию объектов, зачем используются кодирующая и декодирующая части сети, а также пропускные соединения. Затем перейдём к трёхмерным данным, обсудим архитектуру 3D U-Net, проблему дорогостоящей разметки томографических данных и рассмотрим nnU-Net - самонастраивающийся вычислительный конвейер, ставший одним из современных стандартов биомедицинской сегментации. Видеолекция записана в рамках редизайна курса «Приложения искусственного интеллекта и Data Science в задачах биологии» при поддержке Фонда Потанина