位置: IT常识 - 正文

unet模型及代码解析(unet模型代码matlab)

编辑:rootadmin
unet模型及代码解析 什么是unet

推荐整理分享unet模型及代码解析(unet模型代码matlab),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原理,unet算法,unet算法,unet模型融合,unet算法,unet模型代码matlab,unet++模型,unet++模型,内容如对您有帮助,希望把文章链接给更多的朋友!

一个U型网络结构,2015年在图像分割领域大放异彩,unet被大量应用在分割领域。它是在FCN的基础上构建,它的U型结构解决了FCN无法上下文的信息和位置信息的弊端

Unet网络结构

主干结构解析

左边为特征提取网络(编码器),右边为特征融合网络(解码器)

高分辨率—编码—低分辨率—解码—高分辨率

特征提取网络

高分辨率—编码—低分辨率

前半部分是编码, 它的作用是特征提取(获取局部特征,并做图片级分类),得到抽象语义特征

由两个3x3的卷积层(RELU)再加上一个2x2的maxpooling层组成一个下采样的模块,一共经过4次这样的操作

特征融合网络

低分辨率—解码—高分辨率

利用前面编码的抽象特征来恢复到原图尺寸的过程, 最终得到分割结果(掩码图片)

由一层反卷积+特征拼接concat+两个3x3的卷积层(ReLU)反复构成,一共经过4次这样的操作,与特征提取网络刚好相对应,最后接一层1*1卷积,降维处理,即将通道数降低至特定的数量,得到目标图,具体内容可以参考这篇文章 一文读懂卷积神经网络中的1x1卷积核

FCN与UNet特征融合操作对比解析unet模型及代码解析(unet模型代码matlab)

FCN是通过特征图对应像素值的相加来融合特征的

torch代码:

concat1 = out1+out2# 其中out1与out2都是torch中的tensor格式

unet是通过同维度矩阵拼接来融合特征的

torch代码:

concat2 = torch.cat([convt1,conv4],dim=1)# dim = 1 意味着在第1维度方向(第1维也就是列为4的方向)进行叠加# 对于更高维的数据,也就是在dim = x 时,即x所对应维度方向进行叠加UNet主要创新点

采取将低级特征图与后面的高级特征图进行融合操作

完全对称的U型结构使得前后特征融合更为彻底,使得高分辨率信息与低分辨率信息在目标图片中增加

结合了下采样时的低分辨率信息(提供物体类别识别依据)和上采样时的高分辨率信息(提供精准分割定位依据),此外还通过融合操作(跳跃结构)填补底层信息以提高分割精度.(分辨率就是图片的尺寸)

对高层语义特征与底层空间信息的理解

越底层的特征蕴含的空间信息(分割定位特征)更多,语义特征(就是类别判断特征,像素点可以分到哪一个类别中去)更少,越高级的特征蕴含的空间信息更少,语义特征更多

底层特征图片更偏向于组成图像的基本单元,如点,线,边缘轮廓

高层抽象的特征就更抽象,更近似于表示的是图像的语义信息

注:图片来源于神经网络可视化论文《Visualizing and Understanding Convolutional Networks》

UNet与FCN的比较1.编解码结构

它们的结构都用了一个比较经典的思路,也就是编码和解码(encoder-decoder)结构,该结构早在2006年就被Hinton提出来发表在了nature上。当时这个encoder-decoder结构提出的主要作用并不是分割,而是压缩图像和去噪声。输入是一幅图,经过下采样的编码,得到一串比原先图像更小的特征,相当于压缩,然后再经过一个解码,理想状况就是能还原到原来的图像。这样的话我们存一幅图的时候就只需要存一个特征和一个解码器即可。同理,这个思路也可以用在原图像去噪,做法就是在训练的阶段在原图人为地加上噪声,然后放到这个编码解码器中,目标是可以还原得到原图。在UNet与FCN的目标任务中,是得到一张Mask掩码图,实现端到端(由图得到图),这与Hinton提出的编解码操作不谋而合。

和FCN相比,U-Net的第一个特点是完全对称,也就是左边和右边是很类似的,而FCN的解码器部分相对简单,只用了一个反卷积的操作,之后并没有跟上卷积结构。

2.全卷积结构UNet和FCN一样, 是全卷积形式, 没有全连接层(即没有固定图的尺寸)——全连接层输入是提前固定好的,所以容易适应很多输入尺寸大小3.跳跃结构,即特征融合操作UNet相比FCN,跳跃结构更多,更彻底,每一层下采样都与后面每一次上采样对应,一个经验的解释(大量实验)就是跳级连接能够保证特征更加精细UNet是拼接操作,而FCN是加操作模型torch代码解析import torch.nn as nnimport torch.nn.functional as Fimport torch.utils.dataimport torch""" 构造上采样模块--左边特征提取基础模块 """class conv_block(nn.Module): """ Convolution Block """ def __init__(self, in_ch, out_ch): super(conv_block, self).__init__() self.conv = nn.Sequential( nn.Conv2d(in_ch, out_ch, kernel_size=3, stride=1, padding=1, bias=True), # 在卷积神经网络的卷积层之后总会添加BatchNorm2d进行数据的归一化处理,这使得数据在进行Relu之前不会因为数据过大而导致网络性能的不稳定 nn.BatchNorm2d(out_ch), nn.ReLU(inplace=True), nn.Conv2d(out_ch, out_ch, kernel_size=3, stride=1, padding=1, bias=True), nn.BatchNorm2d(out_ch), nn.ReLU(inplace=True)) def forward(self, x): x = self.conv(x) return x""" 构造下采样模块--右边特征融合基础模块 """class up_conv(nn.Module): """ Up Convolution Block """ def __init__(self, in_ch, out_ch): super(up_conv, self).__init__() self.up = nn.Sequential( nn.Upsample(scale_factor=2), nn.Conv2d(in_ch, out_ch, kernel_size=3, stride=1, padding=1, bias=True), nn.BatchNorm2d(out_ch), nn.ReLU(inplace=True) ) def forward(self, x): x = self.up(x) return x""" 模型主架构"""class U_Net(nn.Module): """ UNet - Basic Implementation Paper : https://arxiv.org/abs/1505.04597 """ # 输入是3个通道的RGB图,输出是0或1——因为我的任务是2分类任务 def __init__(self, in_ch=3, out_ch=2): super(U_Net, self).__init__() # 卷积参数设置 n1 = 64 filters = [n1, n1 * 2, n1 * 4, n1 * 8, n1 * 16] # 最大池化层 self.Maxpool1 = nn.MaxPool2d(kernel_size=2, stride=2) self.Maxpool2 = nn.MaxPool2d(kernel_size=2, stride=2) self.Maxpool3 = nn.MaxPool2d(kernel_size=2, stride=2) self.Maxpool4 = nn.MaxPool2d(kernel_size=2, stride=2) # 左边特征提取卷积层 self.Conv1 = conv_block(in_ch, filters[0]) self.Conv2 = conv_block(filters[0], filters[1]) self.Conv3 = conv_block(filters[1], filters[2]) self.Conv4 = conv_block(filters[2], filters[3]) self.Conv5 = conv_block(filters[3], filters[4]) # 右边特征融合反卷积层 self.Up5 = up_conv(filters[4], filters[3]) self.Up_conv5 = conv_block(filters[4], filters[3]) self.Up4 = up_conv(filters[3], filters[2]) self.Up_conv4 = conv_block(filters[3], filters[2]) self.Up3 = up_conv(filters[2], filters[1]) self.Up_conv3 = conv_block(filters[2], filters[1]) self.Up2 = up_conv(filters[1], filters[0]) self.Up_conv2 = conv_block(filters[1], filters[0]) self.Conv = nn.Conv2d(filters[0], out_ch, kernel_size=1, stride=1, padding=0)# 前向计算,输出一张与原图相同尺寸的图片矩阵 def forward(self, x): e1 = self.Conv1(x) e2 = self.Maxpool1(e1) e2 = self.Conv2(e2) e3 = self.Maxpool2(e2) e3 = self.Conv3(e3) e4 = self.Maxpool3(e3) e4 = self.Conv4(e4) e5 = self.Maxpool4(e4) e5 = self.Conv5(e5) d5 = self.Up5(e5) d5 = torch.cat((e4, d5), dim=1) # 将e4特征图与d5特征图横向拼接 d5 = self.Up_conv5(d5) d4 = self.Up4(d5) d4 = torch.cat((e3, d4), dim=1) # 将e3特征图与d4特征图横向拼接 d4 = self.Up_conv4(d4) d3 = self.Up3(d4) d3 = torch.cat((e2, d3), dim=1) # 将e2特征图与d3特征图横向拼接 d3 = self.Up_conv3(d3) d2 = self.Up2(d3) d2 = torch.cat((e1, d2), dim=1) # 将e1特征图与d1特征图横向拼接 d2 = self.Up_conv2(d2) out = self.Conv(d2) return out

参考文章:

https://blog.csdn.net/weixin_40519315/article/details/104408388

本文链接地址:https://www.jiuchutong.com/zhishi/299999.html 转载请保留说明!

上一篇:axios 中如何取消请求_从不会使用到精通原理_番茄出品(如何取消axios请求)

下一篇:JS数组方法中哪些会改变原数组,哪些不会?(js中数组方法有哪些)

  • 北京健康宝如何申请通勤(北京健康宝如何解除弹窗)

    北京健康宝如何申请通勤(北京健康宝如何解除弹窗)

  • iwatch7怎么微信打字(iwatch 怎么微信)

    iwatch7怎么微信打字(iwatch 怎么微信)

  • 华为p40后置摄像头像素多少(华为P40后置摄像头进灰)

    华为p40后置摄像头像素多少(华为P40后置摄像头进灰)

  • 闲鱼违规处罚多久会恢复(闲鱼违规了一次,下次应该注意什么)

    闲鱼违规处罚多久会恢复(闲鱼违规了一次,下次应该注意什么)

  • a52什么时候上市(a55什么时间上市)

    a52什么时候上市(a55什么时间上市)

  • 苹果登录icloud验证失败怎么回事(苹果登陆icloud验证失败怎么回事)

    苹果登录icloud验证失败怎么回事(苹果登陆icloud验证失败怎么回事)

  • 开启蓝牙会泄露隐私吗(开启蓝牙会泄露个人位置嘛)

    开启蓝牙会泄露隐私吗(开启蓝牙会泄露个人位置嘛)

  • 抖音直播间蓝色话筒是什么(抖音直播间蓝色数字是什么)

    抖音直播间蓝色话筒是什么(抖音直播间蓝色数字是什么)

  • ios13.5.1适合什么机型(苹果13.5.1系统好用吗?建不建议更新)

    ios13.5.1适合什么机型(苹果13.5.1系统好用吗?建不建议更新)

  • 网线接路由器能直接上网吗(网线接路由器能用接电脑不行怎么回事)

    网线接路由器能直接上网吗(网线接路由器能用接电脑不行怎么回事)

  • 淘宝申请开票要加钱吗(淘宝申请开票要多久能开好)

    淘宝申请开票要加钱吗(淘宝申请开票要多久能开好)

  • 微信群二狗为什么封号(微信群二狗不能用了?)

    微信群二狗为什么封号(微信群二狗不能用了?)

  • 小米mix2机身尺寸(小米mix 2尺寸)

    小米mix2机身尺寸(小米mix 2尺寸)

  • sim卡无效是什么意思(sim卡无效是啥意思)

    sim卡无效是什么意思(sim卡无效是啥意思)

  • 华为手机被定位后有显示吗(华为手机被定位会有提示吗)

    华为手机被定位后有显示吗(华为手机被定位会有提示吗)

  • 电脑的音响线是插在哪一个上面(电脑音响线是哪个孔)

    电脑的音响线是插在哪一个上面(电脑音响线是哪个孔)

  • 网卡工作在osi模型的哪一层(网卡工作osi体系结构的哪些层?其作用有哪些?)

    网卡工作在osi模型的哪一层(网卡工作osi体系结构的哪些层?其作用有哪些?)

  • 苹果11没有耳机孔怎么办(苹果11没有耳机和充电头吗)

    苹果11没有耳机孔怎么办(苹果11没有耳机和充电头吗)

  • 支付宝怎么设置面部支付(支付宝怎么设置延迟到账时间)

    支付宝怎么设置面部支付(支付宝怎么设置延迟到账时间)

  • oppo怎么截屏(oppo怎么截屏录视频)

    oppo怎么截屏(oppo怎么截屏录视频)

  • 苹果11像素多少万(苹果11像素多少在哪里看得到)

    苹果11像素多少万(苹果11像素多少在哪里看得到)

  • 华为手机云盘在哪里找(华为手机云盘在哪里找视频)

    华为手机云盘在哪里找(华为手机云盘在哪里找视频)

  • 三星怎么看国家版本(三星国家查询)

    三星怎么看国家版本(三星国家查询)

  • 手机流量怎么送人(手机流量怎么送给别人手机上怎么操作)

    手机流量怎么送人(手机流量怎么送给别人手机上怎么操作)

  • 为什么企业会定制开发app(为什么企业定价要与市场价格一致)

    为什么企业会定制开发app(为什么企业定价要与市场价格一致)

  • 使用U盘安装Win8.1系统原版ISO的图文教程(使用u盘安装windows11步骤)

    使用U盘安装Win8.1系统原版ISO的图文教程(使用u盘安装windows11步骤)

  • 【Javaweb】会话跟踪技术Cookie&Session(javaweb会话跟踪技术有哪些)

    【Javaweb】会话跟踪技术Cookie&Session(javaweb会话跟踪技术有哪些)

  • phpcms如何调用视频?(phpcms怎么用)

    phpcms如何调用视频?(phpcms怎么用)

  • 奖金个人所得税税率
  • 业务招待费进项税额转出表二
  • 小额支出没有发票怎么做账
  • 小规模企业所得税税率多少
  • 国税 增值税
  • 贷款还款利息怎么还
  • 小规模机械租赁公司
  • 纳税人减免税备案登记表是在税务局领吗
  • 土地使用管理费
  • 合作社土地入股协议
  • 企业如何运用内部招募
  • 进口环节关税税率
  • 预收账款核销的流程
  • 软件开发公司的运营模式
  • 滴滴顺风车发票图片大全
  • 刚升级一般纳税人可以申请贷款吗
  • 电梯保养维护费用
  • 因为买房子
  • 公司自用房屋怎样交税
  • 利润分配以前年度损益调整
  • 买卖房子归谁管
  • 主营业务收入写不写明细
  • 小程序交易需要什么条件
  • 个体工商户开税票怎么开
  • 免征增值税的税额还要交个人所得税吗
  • 收到财政厅的补助怎么办
  • 社保怎么计提
  • vmware10虚拟机安装
  • 误删开始菜单
  • win10双系统删除linux
  • 关于已开发票收到部分款项风险温馨提示
  • 融资租入固定资产的账务处理
  • 科研的成果形式
  • 企业未实际出资
  • 无形资产出租属于处置吗
  • 养老金领取怎么算他的领取金额
  • phpmailer 使用
  • 银行承兑汇票贴现率是多少
  • 前端es6是什么意思
  • vue-cli4创建项目
  • elementui的upload组件详解
  • js写数组去重
  • 外地工程预缴的个人所得税是什么申报
  • 研发费用税前加计扣除金额怎么算
  • 残疾人保证金怎么报税
  • 出口免抵退转免税
  • mongodb4.4.2安装教程
  • 给客户的现金奖励会计处理
  • 固定资产的财务业绩是什么意思啊
  • 挂靠设计公司费用标准怎么记账
  • 小规模企业跨月发票如何冲红
  • 专项附加可以叠加吗
  • 公司的零星开支怎么做账
  • 加工费计入什么科目制造企业成本
  • 小规模纳税人附加税怎么算
  • 普惠性幼儿园是公立还是私立的?
  • 成本法长期股权投资初始成本确认
  • 跨年退货怎么处理账务
  • 零申报资产负债表填0合适吗
  • 电子发票怎么截屏
  • 接受捐赠的固定资产计入什么科目
  • 财务报表项目认定有哪些
  • 个体工商户怎样申请开票
  • sql 截取字符串某个字符之后
  • Win9传闻汇总:通知中心+免费下载+手势功能等
  • centos破解密码命令
  • linux中ps命令详解
  • win批处理命令
  • Linux VPS vsftp/proftpd FTP时间差八小时的解决方法
  • 请问在javascript程序中
  • Unity符国新:3D技术将渗透到生活的各个方面
  • 如何使用css设置元素的层叠效果?
  • js判断浏览器内核和版本
  • 最简单的十个菜
  • 江苏国税电子税务局怎么申报
  • 如何查询车辆购买信息
  • 南方电网统一供应链平台
  • 国企人事处长是什么级别?
  • 企业可以出台政策吗
  • 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