UNet3+

• 위 그림과 같이 학습중 Low-level feature는 공간 정보를 담고 있고, High-level feature는 위치정보를 담고 있다.
• 즉, 각 feature들은 다른 정보들을 담고 있다고 해석할 수 있다.

UNet Series

Full-Scale Skip Connection
- UNet3+는 U-Net과 U-Net++의 skip connection을 재설계하고, edecoder에 intra-connection을 도입했다.

- 각 decoder layer에 더 작거나 같은 스케일의 encoder feature maps를 더 큰 스케일의 decoder feature maps에 더해 fine-grained details와 coarse-grained semantics를 모두 확보한다.

- Fig 2.는 3번째 decoder layer에서 어떻게 feature maps들이 결합되어 사용되는 것을 설명한다. 
- 더해주는 5개의 값들을 64로 맞춰 불필요한 정보들은 정리해서 총 320개의 채널로 통합하는데 이때, 정보들을 매끄럽게 통합하기 위해 BN, ReLU를 사용한다.

 

CGM(Classification)
- 아래 그림과 같은 연산구조를 가지며, False-positive를 방지하기 위해 고안되었다.
- 마지막 decoder를 Dropout, 1x1 Conv, maxpooling, sigmoid를 거치게 하여 2차원 tensor를 만들고 이를 통해 각 decoder에서 나온 feature map에서 organ이 있는지 없는지를 분류한다.