位置: IT常识 - 正文

unet网络详解(unet网络的优缺点)

编辑:rootadmin
unet网络详解 Unet参考文献:U-Net: Convolutional Networks for Biomedical Image Segmentation作者:Olaf Ronneberger, Philipp Fischer, and Thomas Brox什么是Unet模型

推荐整理分享unet网络详解(unet网络的优缺点),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:Unet网络详解,unnet,Unet网络详解,Unet网络详解,unet fcn,Unet网络详解,unet网络介绍,unet网络的优缺点,内容如对您有帮助,希望把文章链接给更多的朋友!

Unet是一个优秀的语义分割模型,其主要执行过程与其它语义分割模型类似。与CNN不同的之处在于CNN是图像级的分类,而unet是像素级的分类,其输出的是每个像素点的类别。

Unet损失函数

主要部分:softmax激活函数 + 带权重的交叉熵损失函数 + 权重计算函数

softmax激活函数

softmax激活函数将每个像素点的输入特征与权重做非线性叠加。每个像素点经过softmax的处理后产生的输出值个数等于标签里的类别数。softmax将每个像素点的输出值变换成值为正且和为1的概率分布,从而得到每个像素点中每个类的置信度。

交叉熵损失函数

交叉熵损失函数:用来衡量两个概率分布差异的测量函数

在上式中,yc表示样本的真实分布,其值要么为0,要么为1,Pc表示样本的预测分布。

本论文使用的是带边界权重的交叉熵损失函数:

p是经softmax处理后的输出值;

l :Ω → {1, . . . , K},是每个像素的真实标签;

pl(x)(x):点x在对应的label给出的那个类别的输出的激活值。

w : Ω → R 是在训练过程中添加给每个像素的权重 。

权重计算函数

w(x)这个公式主要参考正态分布的式子。 wc(x)是预先计算每个地面真值分割,用来补偿训练数据集中每个类别的像素的不同频率; d1是距离最近细胞边界的距离 d2是距离第二近细胞边界的距离

当d1、d2都等于0时,后面部分有最大值,且d1、d2越小,后面部分越大,即整个权重越大。当d1、d2越小,意味着越靠近细胞边界,细胞边界所占的权重越大,可以迫使网络学习。

unet网络详解(unet网络的优缺点)

权重的作用:权重可以调整图像中某个区域的重要程度,在计算损失的过程中,给两个细胞重合的边缘部分增加了损失的权重,以此让网络更加注重这类重合的边缘信息。

总结:首先使用softmax操作得到每个类的置信度,然后使用交叉熵来衡量预测和标号之间的差距。

Unet主要结构

Unet可以分为三个部分,如上图所示:

第一部分是主干特征提取部分,我们可以利用主干部分获得一个又一个的特征层,Unet的主干特征提取部分与VGG相似,为卷积和最大池化的堆叠。利用主干特征提取部分我们可以获得五个初步有效特征层,在第二步中,我们会利用这五个有效特征层可以进行特征融合。

第二部分是加强特征提取部分,我们可以利用主干部分获取到的五个初步有效特征层进行上采样,并且进行特征融合,获得一个最终的,融合了所有特征的有效特征层。

第三部分是预测部分,我们会利用最终获得的最后一个有效特征层对每一个特征点进行分类,相当于对每一个像素点进行分类。

主干特征提取网络

Unet的主干特征提取部分由卷积层+最大池化层组成,整体结构与VGG类似。

当输入的图像大小为512x512x3的时候,具体执行方式如下: 1、conv1:进行两次[3,3]的64通道的卷积,获得一个[512,512,64]的初步有效特征层,再进行2X2最大池化,获得一个[256,256,64]的特征层。 2、conv2:进行两次[3,3]的128通道的卷积,获得一个[256,256,128]的初步有效特征层,再进行2X2最大池化,获得一个[128,128,128]的特征层。 3、conv3:进行三次[3,3]的256通道的卷积,获得一个[128,128,256]的初步有效特征层,再进行2X2最大池化,获得一个[64,64,256]的特征层。 4、conv4:进行三次[3,3]的512通道的卷积,获得一个[64,64,512]的初步有效特征层,再进行2X2最大池化,获得一个[32,32,512]的特征层。 5、conv5:进行三次[3,3]的512通道的卷积,获得一个[32,32,512]的初步有效特征层。

为什么是572x572,不是512x512?

因为图像边界的图像块没有周围像素,卷积会使图像边缘处的信息丢失,因此要对周围像素采用了镜像扩充。

加强特征提取结构

利用第一步我们可以获得五个初步的有效特征层,在加强特征提取网络这里,我们会利用这五个初步的有效特征层进行特征融合,特征融合的方式就是对特征层进行上采样并且进行堆叠。

为了方便网络的构建与更好的通用性,我们的Unet和上图的Unet结构有些许不同,在上采样时直接进行两倍上采样再进行特征融合,最终获得的特征层和输入图片的高宽相同。

利用特征获得预测结果

利用特征获得预测结果的过程为: 利用一个1x1卷积核进行通道调整,将最终特征层的通道数调整成num_classes。

代码复现

数据集:ISBI

模型训练:

测试集:

本文链接地址:https://www.jiuchutong.com/zhishi/290763.html 转载请保留说明!

上一篇:COCO数据集的介绍和使用(coco2017数据集介绍)

下一篇:LIO-SAM学习与运行测试数据集

  • 劳务费用 税率
  • 居民个人所得计算怎么做
  • 先开票后跨月预缴税款可以吗
  • 差旅费津贴需要缴纳个人所得税吗?
  • 小规模旅行社差额征税的账务处理
  • 冲减多计提的附加费
  • 税务局代增值税专用发票冲红,如何重新申报退税
  • 职工福利企业所得税
  • 签订合同未履行属于什么行为
  • 低值易耗品计入什么账户
  • 建筑企业如何预缴税款
  • 企业所得税季度申报
  • 半成品成本核算 一般企业怎么核算
  • 外购的半成品属于原材料吗
  • 发票认证抵扣了还能冲红么
  • 厂部管理人员工资属于什么会计科目
  • 企业间借款利息涉税处理
  • 减免所得税额明细怎么填
  • 小规模纳税人代账多少钱一个月
  • 固定资产加速折旧方法
  • 建筑行业没有库存要做暂估成本怎么做?
  • 待处理财产损益科目编码
  • 企业所得税分期收款确认收入的时间政策
  • 厂家质量问题商家有责任吗
  • 如何进行降压治疗
  • 腾讯手游助手怎么把游戏放到桌面
  • 会计监督作用
  • 几个项目可以合到一起招标吗
  • php生成php文件
  • 异地设立的仓库怎么处理
  • 房屋租赁如何开税票
  • 海关交税标准表
  • vue 使用高德地图
  • 前端网页设计的三大技术
  • 谈谈社会公德普通话三分钟
  • win11设置项改中文
  • 施工企业工人工资付给包工头老板需要写什么模板
  • 交所得税会计分录例题
  • 主营业务收入需要结转吗
  • 一般纳税人补交印花税买卖合同
  • 什么是累积优先股
  • 其他业务收入与营业外收入
  • access2010加密解密数据库时
  • 企业给员工报销的个人消费支出如何计税
  • 固定资产折旧如何影响利润
  • 费用可以抵扣什么税
  • 待报解啥意思
  • 总记账凭证核算怎么做
  • 免税饲料做为免税吗
  • 企业注销后账务保留多久
  • 建筑公司工程外包 税务
  • 买入返售金融资产属于金融资产吗
  • 公司注销未认证怎么处理
  • 支付给劳务人员劳务费需缴纳印花
  • 记账凭证应该是
  • 金税盘发票认证怎么操作流程
  • 持有至到期投资是债权投资吗
  • 如何确定开票内容
  • 企业对私账户合法吗
  • 投资者以现金支出为准
  • 私企需要计提盈余公积吗
  • mysql免安装版下载
  • 如何去掉macbook开机密码
  • win10系统升级后c盘满了
  • 3.0vray安装教程
  • linux服务器dns配置安装
  • win7如何使用usb无线网卡
  • js自动执行点击事件
  • android 欢迎页
  • shell脚本实现输出字母个数大于5的单词
  • css vh兼容性
  • 安卓焦点
  • 批处理模式
  • python怎么将数据存到数据库
  • android手机屏幕采集触摸区域所有点
  • JavaScript fontcolor方法入门实例(按照指定的颜色来显示字符串)
  • 1.6t车船税
  • 公司地址变更后社保要改吗
  • 税服领花规范照片
  • 国家税务总局关于税务机构改革有关事项的公告
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设