[논문리뷰] U-Net: Convolutional Networks for Biomedical Image Segmentation

요약
본 논문은 Fully convolutional network를 기반으로 U자 형태의 네트워크로 설계됨. 신경망 구조의 skip connection을 평행하게 두고 가운데를 기준으로 좌우가 대칭이 되도록 레이어를 배치하였다.
왼쪽에 Contraction path와 오른쪽에 Expansive path로 구성이 되어있다. 둘다 Convolution을 기반으로 만들어졌다. Contraction path는 이미지 맵에서 context를 포착하여 도출하는 역할을 수행하고 Expansive path는 이러한 특징맵들을 다시 up sampling을 하여 더 정확한 localization을 수행할 수 있도록 도와주는 역할을 한다.

contraction->3x3컨볼루션이 주를 이룸

input image에 대해서 슬라이딩 윈도우 기법으로 어떤 패치를 이용해서 segmentation을 함
패치끼리 겹치는 부분이 많아 비효율적이라 함
localization과 context 두가지를 놓치지 않는다
기존의 슬라이딩 윈도우 기법은 검증이 된 윈도우를 또 한번 검증하는 절차를 거치게 되는데 U-Net에 적용된 슬라이딩 윈도우 기법은 한번 검증된 윈도우는 다시 검증을 하지 않고 다음패치부터 검증을 하기 때문에 속도와 연산 측면에서 우위를 가질 수 있다.