Архитектура U-Net широко применяется в биомедицине, однако её эффективность заметно снижается при обнаружении мелких анатомических структур с размытыми и зашумленными границами. Авторы подробно анализируют эту проблему и предлагают Ki-Net — архитектуру с избыточным представлением (over-complete), которая проецирует данные в пространство более высокой размерности. Сочетание Ki-Net и U-Net позволяет лучше сохранять пространственные детали и повышать качество сегментации сложных объектов. Предложенный метод демонстрирует превосходство над существующими решениями на нескольких наборах биомедицинских данных.
Статья посвящена архитектуре KiU-Net, разработанной для точной сегментации биомедицинских изображений, где стандартные модели часто ошибаются на мелких деталях. Авторы решают проблему распознавания объектов с размытыми и зашумленными границами, используя «избыточные» (over-complete) представления данных. Это значительно улучшает локализацию сложных анатомических ориентиров, с которыми не справляется обычный U-Net.