• U2Net——U-Net套U-Net——套娃式图像分割算法

    U2Net

    1 相关参考

    论文名称： U2-Net: Goging Deeper with Nested U-Structure for Salient Object Detetion
    论文地址： https://arxiv.org/abs/2005.09007
    官方源码： https://github.com/xuebinqin/U-2-Net
    参考代码： Pytorch UNet
    参考博客： https://blog.csdn.net/qq_37541097/article/details/126255483
    参考视频： bilibili 我为霹导举大旗

    建议大家可以先看霹导的原理讲解视频和代码讲解视频，代码写的真的太优雅了，以下内容作为自己对重点的记录和一些代码中的修改！

    2 U 2 − N e t U^2-Net U2−Net 网络结构

    整体结构：
    在这里插入图片描述

    保留了原始的U-Net网络结构，只是将每一个Block的内部结构做了很大的调整，换成了一个U-Net，同时针对整个结构的输出做出调整，在训练时，给六个输出进行loss计算，在测试时只得到一个输出。

    Block结构RSU：
    在这里插入图片描述

    这里Block，除了输入和输出的通道会发生变化，在中间层进行卷积时，使用的通道数都是Mid_channels，同时在最下层的卷积中，使用的是膨胀卷积。 这里的L=7，指的是RSU-7，是En_1和Dn_1的内部结构，在前四层中，都是使用的是RSU结构；

    在后面的两层中，使用的是RSU-4F，其中的卷积层使用的是膨胀卷积，避免因为深度太深，导致图像尺寸太小，丢失特征，RSU-4F结构如下：
    RSU-4F:
    在这里插入图片描述

    这里向下使用了两层的膨胀卷积，进行特征恢复，避免因为网络深度太深，导致特征丢失的问题！

    损失函数：
    网络在训练的时候，是对六个输出分别和GT进行BCE（二值交叉熵）计算，然后对损失求和进行反向传播，公式如下：
    L = ∑ m = 1 M w side  ( m ) l side  ( m ) + w fuse  l fuse  L=\sum_{m=1}^{M} w_{\text {side }}^{(m)} l_{\text {side }}^{(m)}+w_{\text {fuse }} l_{\text {fuse }} L=m=1∑M​wside (m)​lside (m)​+wfuse ​lfuse ​

    在本网络中，前面一部分是六个输出和GT的损失，第二部分是最后的融合图像和GT的损失，代码如下：

    import torch
import torch.nn as nn
from torch.nn import functional as F
class U2criterion(nn.Module):
    def __init__(self):
        super(U2criterion, self).__init__()
    
    def forward(self, inputs, target):
        losses = [F.binary_cross_entropy_with_logits(inputs[i], target) for i in range(len(inputs))]
        total_loss = sum(losses)
        return total_loss

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11

    3 网络代码和测试

    from typing import Union, List
import torch
import torch.nn as nn
import torch.nn.functional as F


class ConvBNReLU(nn.Module):
    def __init__(self, in_ch, out_ch, kernel_size=3, dilation=1):
        super().__init__()

        padding = kernel_size // 2 if dilation == 1 else dilation  # 保持图像大小不变
        self.conv = nn.Sequential(
            nn.Conv2d(in_ch, out_ch, kernel_size=kernel_size, padding=padding, dilation=dilation, bias=False),  # 因为后面有BN，bias不起作用
            nn.BatchNorm2d(out_ch),
            nn.ReLU(inplace=True) 
        )
    def forward(self, x):
        return self.conv(x)

class DownConvBNReLu(ConvBNReLU):
    def __init__(self, in_ch, out_ch, kernel_size=3, dilation=1, flag=True):
        super().__init__(in_ch, out_ch, kernel_size, dilation)

        self.down_flag = flag

    def forward(self, x):
        if self.down_flag:
            x = F.max_pool2d(x, kernel_size=2, stride=2, ceil_mode=True)

        return self.conv(x)


class UpConvBNReLU(ConvBNReLU):
    def __init__(self, in_ch, out_ch, kernel_size=3, dilation=1, flag=True):
        super().__init__(in_ch, out_ch, kernel_size, dilation)
        
        self.up_flag = flag
    
    def forward(self, x1, x2): # x1为下面传入的， x2为左边传入的
        if self.up_flag:
            x1 = F.interpolate(x1, size=x2.shape[2:], mode="bilinear", align_corners=False)
        x = torch.cat([x1, x2], dim=1)
        return self.conv(x)

class RSU(nn.Module):
    def __init__(self, height, in_ch, mid_ch, out_ch):
        super().__init__()
        assert height >= 2
        self.conv_in = ConvBNReLU(in_ch, out_ch)  # 这个是不算在height上的

        encode_list = [DownConvBNReLu(out_ch, mid_ch, flag=False)]
        decode_list = [UpConvBNReLU(mid_ch*2, mid_ch, flag=False)]

        for i in range(height-2): # 含有上下采样的模块
            encode_list.append(DownConvBNReLu(mid_ch, mid_ch))
            decode_list.append(UpConvBNReLU(mid_ch*2, mid_ch if i < height-3 else out_ch)) # 这里最后的decode的输出是out_ch

        encode_list.append(ConvBNReLU(mid_ch, mid_ch, dilation=2))
        self.encode_modules = nn.ModuleList(encode_list)
        self.decode_modules = nn.ModuleList(decode_list)
    
    def forward(self, x):
        x_in = self.conv_in(x)

        x = x_in
        encode_outputs = []
        for m in self.encode_modules:
            x = m(x)
            encode_outputs.append(x)
        
        x = encode_outputs.pop() # 这是移除list最后的一个数据，并且将该数据赋值给x，这里的x是含有空洞卷积的输出
        for m  in self.decode_modules:
            x2 = encode_outputs.pop() # 这里是倒数第二深的输出，x表示下面的，x2表示左边的
            x = m(x, x2)  # 将下面的，和左边的一起传入到上卷积中
        return x + x_in  # 这里是最上面一层进行相加

class RSU4F(nn.Module):
    def __init__(self, in_ch, mid_ch, out_ch):
        super().__init__()
        self.conv_in = ConvBNReLU(in_ch, out_ch)

        self.encode_modules = nn.ModuleList([ConvBNReLU(out_ch, mid_ch),
                                             ConvBNReLU(mid_ch, mid_ch, dilation=2),
                                             ConvBNReLU(mid_ch, mid_ch, dilation=4),
                                             ConvBNReLU(mid_ch, mid_ch, dilation=8)])
        
        self.decode_modules = nn.ModuleList([ConvBNReLU(mid_ch*2, mid_ch, dilation=4),
                                             ConvBNReLU(mid_ch*2, mid_ch, dilation=2),
                                             ConvBNReLU(mid_ch*2, out_ch)])
    
    def forward(self, x):
        x_in = self.conv_in(x)

        x = x_in
        encode_outputs = []
        for m in self.encode_modules:
            x = m(x)
            encode_outputs.append(x)
        
        x = encode_outputs.pop()
        for m in self.decode_modules:
            x2 = encode_outputs.pop()
            x = m(torch.cat([x, x2], dim=1))
        
        return x+x_in

class U2Net(nn.Module):
    def __init__(self, cfg, out_ch=1):
        super().__init__()
        
        assert "encode" in cfg
        assert "decode" in cfg

        self.encode_num = len(cfg["encode"])

        encode_list = []
        side_list = []

        for c in cfg["encode"]:
            # [height, in_ch, mid_ch, out_ch, RSU4F, side]
            assert len(c) == 6
            encode_list.append(RSU(*c[:4]) if c[4] is False else RSU4F(*c[1:4]))  # 这里的*是将列表解开为单独的数值，这样才能传入到函数中

            if c[5] is True:
                side_list.append(nn.Conv2d(c[3], out_ch, kernel_size=3, padding=1))
        self.encode_modules = nn.ModuleList(encode_list)

        decode_list = []
        for c in cfg["decode"]:
            assert len(c) == 6
            decode_list.append(RSU(*c[:4]) if  c[4] is False else RSU4F(*c[1:4]))

            if c[5] is True:
                side_list.append(nn.Conv2d(c[3], out_ch, kernel_size=3, padding=1))
        self.decode_modules = nn.ModuleList(decode_list)
        self.side_modules = nn.ModuleList(side_list)
        self.out_conv = nn.Conv2d(self.encode_num*out_ch, out_ch, kernel_size=1)  # 这里是针对cat后的结果进行卷积，得到最后的out_ch=1

    def forward(self, x):
        _, _, h, w = x.shape

        encode_outputs = []
        for i, m in enumerate(self.encode_modules):
            x = m(x)
            encode_outputs.append(x)
            if i != self.encode_num - 1:  # 除了最后一个encode_block不用下采样，其余每一个block都需要下采样
                x = F.max_pool2d(x, kernel_size=2, stride=2, ceil_mode=True)
        
        x = encode_outputs.pop()
        decode_outputs = [x]
        for m in self.decode_modules:
            x2 = encode_outputs.pop()
            x = F.interpolate(x, size=x2.shape[2:], mode="bilinear", align_corners=False)
            x = m(torch.cat([x, x2], dim=1))
            decode_outputs.insert(0, x) #这里是保证了从上到下的decode层的输出，在列表中的遍历是从0到5

        side_outputs = []
        for m in self.side_modules:
            x = decode_outputs.pop()
            x = F.interpolate(m(x), size=[h,w], mode="bilinear", align_corners=False)
            side_outputs.insert(0, x)
        x = self.out_conv(torch.cat(side_outputs, dim=1))

        if self.training:   # 在训练的时候，需要将6个输出都拿出来进行loss计算，
            return [x] + side_outputs
        else:  # 非训练时，直接sigmoid后的数据
            return torch.sigmoid(x)
        # return torch.sigmoid(x)

def u2net_full(in_ch=3, out_ch=1):
    cfg = {
        # height, in_ch, mid_ch, out_ch, RSU4F, side
        "encode": [[7, in_ch, 32, 64, False, False],      # En1
                   [6, 64, 32, 128, False, False],    # En2
                   [5, 128, 64, 256, False, False],   # En3
                   [4, 256, 128, 512, False, False],  # En4
                   [4, 512, 256, 512, True, False],   # En5
                   [4, 512, 256, 512, True, True]],   # En6
        # height, in_ch, mid_ch, out_ch, RSU4F, side
        "decode": [[4, 1024, 256, 512, True, True],   # De5
                   [4, 1024, 128, 256, False, True],  # De4
                   [5, 512, 64, 128, False, True],    # De3
                   [6, 256, 32, 64, False, True],     # De2
                   [7, 128, 16, 64, False, True]]     # De1
    }

    return U2Net(cfg, out_ch)

def u2net_lite(in_ch=3, out_ch=1):
    cfg = {
        # height, in_ch, mid_ch, out_ch, RSU4F, side
        "encode": [[7, in_ch, 16, 64, False, False],  # En1
                   [6, 64, 16, 64, False, False],  # En2
                   [5, 64, 16, 64, False, False],  # En3
                   [4, 64, 16, 64, False, False],  # En4
                   [4, 64, 16, 64, True, False],  # En5
                   [4, 64, 16, 64, True, True]],  # En6
        # height, in_ch, mid_ch, out_ch, RSU4F, side
        "decode": [[4, 128, 16, 64, True, True],  # De5
                   [4, 128, 16, 64, False, True],  # De4
                   [5, 128, 16, 64, False, True],  # De3
                   [6, 128, 16, 64, False, True],  # De2
                   [7, 128, 16, 64, False, True]]  # De1
    }
    return U2Net(cfg, out_ch)


# net = u2net_full(1,1)
# x = torch.randn(16,1,256,256)
# net.eval()
# print(net(x))


    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110
    • 111
    • 112
    • 113
    • 114
    • 115
    • 116
    • 117
    • 118
    • 119
    • 120
    • 121
    • 122
    • 123
    • 124
    • 125
    • 126
    • 127
    • 128
    • 129
    • 130
    • 131
    • 132
    • 133
    • 134
    • 135
    • 136
    • 137
    • 138
    • 139
    • 140
    • 141
    • 142
    • 143
    • 144
    • 145
    • 146
    • 147
    • 148
    • 149
    • 150
    • 151
    • 152
    • 153
    • 154
    • 155
    • 156
    • 157
    • 158
    • 159
    • 160
    • 161
    • 162
    • 163
    • 164
    • 165
    • 166
    • 167
    • 168
    • 169
    • 170
    • 171
    • 172
    • 173
    • 174
    • 175
    • 176
    • 177
    • 178
    • 179
    • 180
    • 181
    • 182
    • 183
    • 184
    • 185
    • 186
    • 187
    • 188
    • 189
    • 190
    • 191
    • 192
    • 193
    • 194
    • 195
    • 196
    • 197
    • 198
    • 199
    • 200
    • 201
    • 202
    • 203
    • 204
    • 205
    • 206
    • 207
    • 208
    • 209
    • 210
    • 211
    • 212
    1. 这里u2net_full指的是完整的U2Net，u2net_lite，指的是轻量级的U2Net，这两个的唯一区别是，模块中的通道数不同；
    2. 指定网络的时候，需要指定网络输入通道和输出通道，这里的修改是为了自己使用网络的便利，原始网络中，默认输入通道是3；
    3. 轻量级模型的参数是完整性模型参数的1/40；

    贴一个网络参数计算代码：

    def count_parameters(model):  # 传入的是模型实例对象
    params = [p.numel() for p in model.parameters() if p.requires_grad]
#     for item in params:
#         print(f'{item:>16}')   # 参数大于16的展示
    print(f'________\n{sum(params):>16}')  # 大于16的进行统计，可以自行修改

    • 1
    • 2
    • 3
    • 4
    • 5

    网络测试：
    在这里插入图片描述
    在这里插入图片描述
    再说一下，霹导写的代码真的很优雅，可以去看霹导的代码讲解和网络结构讲解！！

  • 相关阅读:
    拓端tecdat|数据预处理之异常值处理
    真正牛的项目经理，都做到了这几点
    【云原生K8S】Kubernetes之探针
    qml中，实时改变TextField中的内容
    【PyTorch深度学习项目实战100例】—— 基于MnasNet实现垃圾分类任务 | 第47例
    FlinkModule加载HiveModule异常
    css知识学习系列（6）-每天10个知识点
    【Shell 系列教程】shell介绍（一）
    北京君正应用案例：联想新款Yoga Book 9i亮相 CES
    算法——哈希王
  • 原文地址：https://blog.csdn.net/qq_44864833/article/details/128076194