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

  • 缴纳企业所得税会计分录怎么做
  • 纳税额是指
  • 税务师考试科目搭配
  • 中国注册税务师协会官网
  • 报销金额限制多少
  • 厂部管理人员薪酬计入什么费用
  • 专票上不小心印上字了,怎么去除
  • 小规模纳税人免税会计分录
  • 公司成立之初做哪些
  • 捐赠支出需要什么手续
  • 建筑工程公司收入成本怎么结转
  • 企业之间无偿借款
  • 企业搬迁到外省之前的债务怎么处理
  • 房地产怎么计算需要交多少税
  • 购进环保节能设备如何抵扣进项税
  • 应收账款坏账计提比例变更
  • 冲销主营业务收入后导致发生额变大
  • 交车辆购置税可以刷信用卡吗
  • 购买国债兑现时要交税吗
  • 固定资产提前报废
  • 二手车没购车发票有影响吗
  • 非居民企业租赁增值税
  • 根据规定签发汇票凭证必须记载的事项有
  • 代付租金委托书怎么写
  • 代销商品和代销商品款
  • 开票的附加税是多少
  • 怎么安装win7系统后怎么安装驱动
  • php环境中可毒
  • 决算报表是财务报表吗
  • 税务局怎么核定征收股权转让的
  • 圣伊利亚斯山
  • 员工租房管理规定
  • wordpress.org
  • 夸克到底有什么用
  • 结转本月收入类账户到本年利润
  • 公办学校的会计
  • 城市维护税暂行条例
  • 现金折扣什么时候冲减收入
  • discuz是啥
  • 个人重组债务怎么交税
  • 预收账款可以用什么科目核算
  • SQL2005 自动备份的脚本
  • 存货的计税基础公式
  • 销售赠送赠品会计处理
  • 红冲发票是什么影响
  • 不动产租赁开票税率
  • 会计记错账有什么后果
  • 服务业有制造费用吗
  • 以前年度的损益调整为负值说明什么
  • 外借资质交企业所得税怎么交
  • 房租押金是什么意思?
  • 公司收入和开支比例
  • 怎样可以冲销企业微信
  • 采购入库单如何弃审U8
  • 电子承兑汇票怎么查询
  • 总部结算什么意思
  • 收到代收款需要开票吗
  • Linux下Mysql5.7.19卸载方法
  • sql语句大全实例教程
  • sqlserver连接异常
  • ubuntu和window双系统
  • macos sierra怎么样
  • ffplay播放视频命令
  • win10系统jdk环境变量
  • 苹果mac操作系统版本
  • win8怎么禁止弹窗
  • windows移动中心有什么用
  • win7更改电脑设置在哪里
  • 如何把网址设为常用网址
  • CCProgressTimer 进度条动画在cocos2dx+lua中的使用
  • html淘宝搜索框代码
  • Node.js中的全局变量有哪些
  • 黑马程序员android移动开发基础教程
  • unity 开发游戏
  • jquery iframe写入内容
  • 成都燃气在线查询
  • 北京昌平区租房价格
  • 所得税调增调减搞不清
  • 乳胶枕属于什么经营范围
  • 广东省国税局局长潘
  • 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