Chuỗi U-Net — Bài 3. Sau khi hiểu kích thước tensor ở encoder và decoder, câu hỏi quan trọng hơn là: một neuron ở tầng sâu thực sự “nhìn thấy” bao nhiêu vùng của ảnh đầu vào? Khái niệm trả lời câu hỏi này là trường tiếp nhận (receptive field), một yếu tố trực tiếp quyết định lượng ngữ cảnh mà U-Net có thể sử dụng khi phân loại từng pixel. Receptive field cũng giúp giải thích bản chất của kiến trúc U-Net: encoder tạo các biểu diễn ngày càng giàu ngữ cảnh nhưng kém chi tiết về vị trí, trong khi các skip connection đưa những feature map có độ phân giải cao trở lại decoder để hỗ trợ định vị biên và cấu trúc nhỏ. Tóm tắt nội dung Receptive field là vùng trên ảnh đầu vào có khả năng ảnh hưởng đến một activation tại tầng đang xét. Convolution làm receptive field tăng dần; pooling hoặc convolution có stride lớn hơn 1 khiến receptive field mở rộng nhanh hơn. Receptive field lý thuyết không đồng nghĩa mọi pixel bên trong vùng đó có ảnh hưởng như nhau; effective receptive field thườn...

Chuỗi U-Net — Bài 2. Hiểu sơ đồ chữ U là chưa đủ để tự xây dựng U-Net chính xác. Phần dễ sai nhất nằm ở kích thước tensor : convolution làm thay đổi feature map thế nào, pooling giảm kích thước ra sao, decoder tăng độ phân giải bằng cách nào và tại sao hai tensor trong skip connection đôi khi không thể concatenate trực tiếp. Bài này phân tích U-Net ở mức tensor. Mục tiêu là có thể nhìn vào một cấu hình convolution, pooling hoặc transposed convolution và tính được chính xác shape đầu ra trước khi chạy mô hình. Tóm tắt nội dung Kích thước đầu ra của convolution được quyết định bởi kernel, stride, padding và dilation. Max pooling trong encoder giảm độ phân giải không gian, còn decoder phải phục hồi kích thước trước khi ghép với feature map từ encoder. Transposed convolution không phải phép nghịch đảo của convolution; nó là phép biến đổi học được dùng để tăng độ phân giải feature map. U-Net gốc sử dụng convolution không padding nên cần crop feature map ở skip connection; nhiều...

Chuỗi U-Net — Bài 1: nền tảng. U-Net là kiến trúc mạng nơ-ron tích chập được thiết kế cho bài toán phân đoạn ảnh (image segmentation), trong đó mô hình phải dự đoán nhãn cho từng pixel thay vì chỉ đưa ra một nhãn cho toàn bộ ảnh. Kiến trúc được Olaf Ronneberger, Philipp Fischer và Thomas Brox giới thiệu tại MICCAI 2015, ban đầu nhằm giải quyết các bài toán phân đoạn ảnh y sinh với lượng dữ liệu gán nhãn tương đối hạn chế [1]. :contentReference[oaicite:0]{index=0} Điểm cốt lõi của U-Net không nằm ở một phép toán riêng lẻ mà ở cách kết hợp encoder để học ngữ cảnh, decoder để phục hồi độ phân giải và skip connection để đưa thông tin không gian chi tiết từ encoder sang decoder. Tóm tắt nội dung U-Net biến bài toán phân đoạn ảnh thành phép ánh xạ từ ảnh đầu vào sang bản đồ lớp ở mức pixel. Encoder giảm dần kích thước không gian để học đặc trưng ngữ nghĩa; decoder tăng dần kích thước để khôi phục vị trí. Skip connection nối các mức tương ứng của encoder và dec...