# U-Net セグメンテーションでは、予測サイズが入力ピクセル数と同じで固定であるため検出に比べて実装は単純だが、すべての位置で詳細な情報が必要になるため上層の(空間解像度が小さい)特徴マップの情報だけでは不十分になる。U-Netは、下層の特徴マップの情報を再度スキップ接続して利用することでこの問題に対応するアーキテクチャであり、入力から出力までの処理をU字型に描けることからこの名がついている。高解像度の出力が求められるタスク(セマンティックセグメンテーションなど)でよく使われる。(Source: [[@2022__Gihyo__ディープラーニングを支える技術 - Chapter 5 ディープラーニングを活用したアプリケーション]] §5.1) ## 関連 - 概念: [[画像セグメンテーション]] / [[畳み込みニューラルネットワーク]] - 章: [[@2022__Gihyo__ディープラーニングを支える技術 - Chapter 5 ディープラーニングを活用したアプリケーション]] ## 出典 - 岡野原大輔, 『ディープラーニングを支える技術』, 技術評論社, 2022, 第5章 §5.1.