Chuỗi U-Net — Bài 4. Ba bài trước tập trung vào kiến trúc, kích thước tensor và receptive field. Bài này chuyển sang một câu hỏi khó hơn: làm thế nào biến U-Net thành một hệ thống phân đoạn thực sự có thể huấn luyện, đánh giá và phân tích lỗi? Bài toán cụ thể được chọn là phân đoạn cấu trúc thần kinh trên ảnh hiển vi điện tử truyền qua nối tiếp (serial section Transmission Electron Microscopy — ssTEM), gần với bài toán benchmark mà U-Net gốc được đánh giá. Đây là ví dụ phù hợp để thấy rằng chất lượng segmentation không chỉ phụ thuộc kiến trúc mạng mà còn phụ thuộc mạnh vào định nghĩa nhãn, loss, cách chia dữ liệu, augmentation và metric. Tóm tắt nội dung Xây dựng pipeline U-Net cho dữ liệu ssTEM gồm ảnh grayscale và binary mask ở mức pixel. Phân tích tại sao binary cross-entropy và Dice loss tối ưu hai khía cạnh khác nhau, và vì sao kết hợp chúng thường là một baseline hợp lý. Augmentation hình học phải tác động đồng bộ lên ảnh và mask; interpolation của mask phải giữ nguy...