ＦＣＮ (3/4) Ｕ－Ｎｅｔの紹介
はぐれ弁理士 PA Tora-O です。前回（第２回）では、ＦＣＮの実施例について説明しました。改めて復習されたい方は、こちらのリンクから確認をお願いします。今回（第３回）は、ＦＣＮの類似技術であるＵ－Ｎｅｔについて紹介します。
Ｕ－Ｎｅｔの特徴
まず、Ｕ－Ｎｅｔのネットワーク構造は、次に示す図１の通りです。
出展：U-Net: Convolutional Networks for Biomedical Image Segmentation
水色又は白色の矩形が特徴マップに相当しており、マップサイズが大きいほど（マップ解像度が高いほど）図面の上側に、マップサイズが小さいほど（マップ解像度が低いほど）図面の下側に配置されています。この図から理解されるように、名称（＝Ｕ－Ｎｅｔ）の由来は、このＵ字状のネットワーク構造にあります。
図２は、Ｕ字底の部分拡大図になります。細かい説明を省略しますが、ダウンコンバート中に生成された特徴マップを［１］複製し（Copy）、［２］切り出し（Crop）、そして［３］連結する（Concatenate）ことで、アップコンバート時に再利用します。当然ながら、特徴マップの位置情報を維持するため、解像度がそれぞれ一致する特徴マップ同士を合成する必要があります。この特徴マップの合成構造は、一般的には、スキップ接続（Skip Connection）と呼ばれています。
出展：U-Net: Convolutional Networks for Biomedical Image Segmentation
この手法を用いることで、画像中にある細胞の領域を高精度に特定することができます。
ＦＣＮとの比較
続いて、ＦＣＮ（Fully Convolutional Networks）とＵ－Ｎｅｔとの相違点について整理します。両モデルの違いは、［１］スキップ接続、［２］マップ合成方法、であると考えます。ちょっと厳密さに欠けますが、Ｕ－ＮｅｔはＦＣＮの上位互換モデルである、と理解してもよさそうです。
以上、今回（第３回）は、Ｕ－Ｎｅｔについて説明しました。テーマ最終回（第４回）は、過去３回分の検討結果を踏まえ、クレーム骨子を含む発明ストーリーを作成してみます。
↓ブログランキングに参加しています。よろしければ１クリックお願いします。
