请阐述 U-Net 模型的核心结构和工作机制，并说明其在图像分割任务中的特点。
考察说明
考查对经典分割网络 U-Net 结构原理的理解，包括编码器-解码器、跳跃连接及多尺度特征融合等核心设计。
回答思路
- 【回答框架 1】U-Net 是一种用于图像分割的全卷积网络，整体呈 U 型对称结构，由收缩路径（编码器）、扩张路径（解码器）和跳跃连接构成。编码器通过若干卷积和池化逐步压缩特征图空间尺寸、增加通道数，提取多尺度语义特征；解码器通过上采样逐步恢复空间分辨率，并结合跳跃连接融合来自编码器的同尺度的低层细节特征，实现精细分割。
- 【回答框架 2】跳跃连接将编码器的特征图直接拼接到解码器对应阶段，保留了边界、纹理等细节信息，缓解了深层网络丢失局部信息的退化问题，使得网络能更好地定位和分割小目标。U-Net 通过 1x1 卷积输出各个像素的类别概率，以像素级交叉熵等损失函数进行监督训练。
- 【回答框架 3】U-Net 在医学图像分割等小样本场景中表现优异，其全卷积结构可处理任意尺寸输入，配合数据增强在小数据集上也能取得较好效果。其对称设计和跳跃连接的组合是后来多种分割模型的基础。
- 【关键点 1】U-Net 是编码器-解码器结构，通过下采样提取高维语义特征，通过上采样恢复空间分辨率。
- 【关键点 2】跳跃连接融合同尺度的细节与语义特征，提高分割精度。
- 【关键点 3】全卷积网络可适配任意输入尺寸，常用于医学图像分割。
- 【易错点 1】不要误认为 U-Net 只能用于医学图像，它在通用分割任务同样有效。
- 【易错点 2】跳跃连接是拼接（通道拼接）而非求和，需注意描述准确。