U-Net: Convolutional Networks for Biomedical Image Segmentation (2015 论文)

概述

提出 U-Net 架构的论文，专为生物医学图像分割设计，成为语义分割领域的经典架构。

关键内容

1. U 型架构：编码器（下采样）捕获上下文信息，解码器（上采样）实现精确定位，中间通过跳跃连接融合多尺度特征。
2. 小样本学习：设计用于数据稀缺的生物医学场景，通过数据增强和弹性形变实现少量样本下的高精度分割。
3. 广泛影响：U-Net 成为医学图像分割的标准架构，其跳跃连接思想影响了后续的 残差连接（Residual Connection） 设计。

来源

• ai_papers_timeline.md — 2015 年时间线条目

相关

• U-Net — introduced
• 残差连接（Residual Connection） — relates_to