1.Unet
作为图像语义分割里比较基本的分割网络，自然不能缺席
毕竟文题也叫Unet的深入浅出啊
1.1语义分割做什么
一开始我认为是这样的
这么理解是没错的，深度学习确实也是这样端到端的小黑盒，
目前大火的原因也是想让这个小黑盒变白
在一维信号或者特征上非常好理解
输入1*n的数据，n是特征的数量，输出一个预测值，这个值代表某种意思
但是一直不太理解在图像中应该怎么理解
直到某一天看的论文累积够了，灵光一闪，才想明白了
大致意思是，深度学习给得到是概率，
一维的情况是，二维的情况也是
二维给的是概率图，
在用一些核函数的技巧进入实际问题中之后，
深度学习其实就是线性代数+概率论+高等数学
在Unet的结构图中，通过中间的许多层之后，得到概率图，
根据金标准来对自身的概率进行调整和BP
达到最优解，因此后续还会引入一些优化的算法
1.2 网络结构
FCN作为图像分割的鼻祖，建议先了解一下FCN ，这里也会提到FCN
延续了FCN 的深层次的结构，Unet随着网络结构的加深，图像尺寸也在减小
FCN对encode采取的策略是同level的层，对应像素对应相加，Unet则是叠加（concatenate）
放上Unet的网络结构图
在每一个层中均用到了一个概念——卷积，就不得不详细说一下了
因为以前是研究经典算法的，诸如SIFT特征这样的，所以对高斯金字塔特别熟悉
看到卷积的时候也是笑了，知识总是触类旁通和极大的相似
先说一下高斯金字塔，原po传送门 如图，用不同的卷积核产生不同模糊程度的图像
这个图像人眼看不懂，计算机可以识别
相当于原博客中说的，戴上不同度数的眼镜看到的画面不同
顺道发散一下，高斯金字塔的做法看着是不是很熟悉，比较新的deeplab啥的也是触类旁通的结构
unet第一层网络结构从channel 1到 channel 64
就是使用了不同的卷积核，产生了指定数量的channel
网络的后续的channel的变化也是如此，指定数量之后，得到的每个channel，
又唤做feature map，记录了不同尺度下的图像的特征
可能有人会问为什么指定数量之后就能产生对应数量的channel
这里请参考这篇博客 我这里引用其中的图片来解释是如何通过卷积核来产生指定数量的channel的
这些特征可以通过不断的调整参数，学习到
所以如何最大可能的使用卷积提取图像的特征，在我看来，是语义分割的关键
在卷积过程中
可以通过设置不同的卷积核以及padding，stride的大小，
控制同一层图像的尺寸不变
同样下采样的尺寸也是可以控制的
具体的公式如下：
其中k是卷积核尺寸，p是padding的值，s是stride的值
根据上述公式，令k=3, p=1, s=1，有
可以使得图像在卷积过程中的尺寸不发生变化
这是一个经常使用的trick
下采样，常用的maxpooling，通常是使得图像尺寸减小1/2
这会儿再看网络结构
原论文中k=3,p=0,s=1，所以原始的尺寸是572
根据公式有
所以从channel1-64，图像尺寸从572减小到了570
以此类推，蓝色小箭头表示卷积操作，每次图像宽和高减小2
红色小箭头表示maxpooling，图像尺寸减半，
如图中第一个红箭头处，从568减小到了284
绿色小箭头代表上采样，与红色相对应，这里使图像尺寸增加2倍，如下图中1024到512
网络的创新之处就是concatenate这个操作了，也就是图中的灰色箭头这个位置
可以看到，从1024个channel上采样过来的512个channel
和上一个对应有512个channel的同层channel被叠加起来了，
成为了一个新的1024个channel，如图红圈部分
同理类似256+256构成了新的512
与FCN不同的是，FCN在这一步中是直接与之前的进行对应像素相加操作
都是很巧妙的操作
到此，整个Unet的结构细节全部解析完毕
跟着推导一遍尺寸，会受益匪浅，入门其他的网络也会相对容易
给出pytorch实现的Unet模型，用到了我所说的同层尺寸不变的trick
还是老规矩，高度集成，面向对象
import torch.nn as nn
class conv_block(nn.Module):
def __init__(self, ch_in, ch_out):
super(conv_block, self).__init__()
self.conv = nn.Sequential(
nn.Conv2d(ch_in, ch_out, kernel_size=3, stride=1, padding=1, bias=True),
nn.BatchNorm2d(ch_out),
nn.ReLU(inplace=True),
nn.Conv2d(ch_out, ch_out, kernel_size=3, stride=1, padding=1, bias=True),
nn.BatchNorm2d(ch_out),
nn.ReLU(inplace=True)
)
def forward(self, x):
x = self.conv(x)
return x
class up_conv(nn.Module):
def __init__(self, ch_in, ch_out):
super(up_conv, self).__init__()
self.up = nn.Sequential(
nn.Upsample(scale_factor=2),
nn.Conv2d(ch_in, ch_out, kernel_size=3, stride=1, padding=1, bias=True),
nn.BatchNorm2d(ch_out),
nn.ReLU(inplace=True)
)
def forward(self, x):
x = self.up(x)
return x
class U_Net(nn.Module):
def __init__(self, img_ch=3, output_ch=1):
super(U_Net, self).__init__()
self.Maxpool = nn.MaxPool2d(kernel_size=2, stride=2)
self.Conv1 = conv_block(ch_in=img_ch, ch_out=64)
self.Conv2 = conv_block(ch_in=64, ch_out=128)
self.Conv3 = conv_block(ch_in=128, ch_out=256)
self.Conv4 = conv_block(ch_in=256, ch_out=512)
self.Conv5 = conv_block(ch_in=512, ch_out=1024)
self.Up5 = up_conv(ch_in=1024, ch_out=512)
self.Up_conv5 = conv_block(ch_in=1024, ch_out=512)
self.Up4 = up_conv(ch_in=512, ch_out=256)
self.Up_conv4 = conv_block(ch_in=512, ch_out=256)
self.Up3 = up_conv(ch_in=256, ch_out=128)
self.Up_conv3 = conv_block(ch_in=256, ch_out=128)
self.Up2 = up_conv(ch_in=128, ch_out=64)
self.Up_conv2 = conv_block(ch_in=128, ch_out=64)
self.Conv_1x1 = nn.Conv2d(64, output_ch, kernel_size=1, stride=1, padding=0)
def forward(self, x):
# encoding path
x1 = self.Conv1(x)
x2 = self.Maxpool(x1)
x2 = self.Conv2(x2)
x3 = self.Maxpool(x2)
x3 = self.Conv3(x3)
x4 = self.Maxpool(x3)
x4 = self.Conv4(x4)
x5 = self.Maxpool(x4)
x5 = self.Conv5(x5)
# decoding + concat path
d5 = self.Up5(x5)
d5 = torch.cat((x4, d5), dim=1)
d5 = self.Up_conv5(d5)
d4 = self.Up4(d5)
d4 = torch.cat((x3, d4), dim=1)
d4 = self.Up_conv4(d4)
d3 = self.Up3(d4)
d3 = torch.cat((x2, d3), dim=1)
d3 = self.Up_conv3(d3)
d2 = self.Up2(d3)
d2 = torch.cat((x1, d2), dim=1)
d2 = self.Up_conv2(d2)
d1 = self.Conv_1x1(d2)
return d1分割线，觉得不错点个赞即可
狂推----深度学习项目架构模板传送门 狂推----启蒙的repo传送门
