U型網路 是什麼？

U-Net — U型網路 的完整解釋

U-Net是一種用於圖像分割的深度學習模型，其架構呈U型，包含編碼器和解碼器，能有效捕捉圖像的上下文資訊和精確定位分割邊界。

容易混淆

U-Net vs 圖像分類 U-Net 要標出每個像素 圖像分類只要給整張圖一個標籤 最關鍵的區別：像素級和整張圖級

U-Net vs 自編碼器 U-Net 也有編碼和解碼 但它重視分割結果，不只是還原輸入 最關鍵的區別：任務目的不同

U-Net vs 一般 CNN U-Net 會保留更多中間層細節 一般 CNN 常一路壓到最後做分類 最關鍵的區別：有沒有把細節接回來

記住這句就好

左邊壓縮看全局，右邊放大畫邊界。

實際案例

醫學影像 在 CT 或超音波裡標出器官或病灶範圍，醫師就能更快檢查

工業檢測 在產品照片裡圈出刮痕或瑕疵區域，比只判斷有沒有瑕疵更實用

算法與應用

| 編碼器 | 把影像壓縮成高層特徵 | 負責看全局 | | 解碼器 | 把特徵放大回像素圖 | 負責畫細節 | | 跳躍連接 | 把高解析度資訊接回來 | 能減少邊界損失 | | 分割輸出 | 每個像素都有類別 | 這是 U-Net 的核心結果 |

情境判斷

Q1（直覺題）：你要在顯微鏡照片裡圈出細胞輪廓，應該想到它嗎？ → 應該，因為這就是典型的影像分割任務。

Q2（判斷題）：如果你只想判斷照片裡有沒有病灶，還一定要用 U-Net 嗎？ → 不一定，單純分類任務用一般 CNN 可能就夠了。

常見問題

U-Net 只適合醫學影像嗎？

不是，任何需要像素級分割的任務都可能用到。

它為什麼叫 U-Net？

因為整個編碼與解碼的路徑畫出來像字母 U。

跳躍連接為什麼重要？

它把早期的細節資訊送回解碼端，讓邊界更準。