1. Toy模板网首页
  2. >Toy博客

【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台

1年前作者：爱学习的书文分类：Toy博客阅读(13)违法举报

这篇具有很好参考价值的文章主要介绍了【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

来源

b站 地址

什么是语义分割

语义分割：对图像每个像素点进行分类
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet常见神经网络处理过程：Encoder提取特征，接着Docoder恢复成原图大小的图片
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

UNet整体结构

分为三个部分

  1. 主干特征提取部分：
    • 卷积和最大池化的堆叠
    • 获得五个初步有效特征层
  2. 加强特征提取部分：
    • 五个初步有效特征层进行上采样 + 特征融合
    • 获得一个最终融合了所有特征的有效特征层
  3. 预测部分
    最后一个有效特征层对每一个特征点进行分类

【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

BackBone-主干特征提取网络

bubbliiing使用的是VGG16作为主干特征提取网络。
UNet具体使用VGG16红色框线内的内容
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet具体实现代码：

  • 卷积核都是1 × 1的，所以不改变高和宽，卷积核个数改变深度
  • M：最大池化，长和宽 / 2
    【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

加强特征提取网络-FPN的构建

这块的步骤：堆叠->卷积->堆叠->卷积
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet代码部分，主要unetUp来实现
一小步的实现如下两图：
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet所有，最后输出的是512， 512， 64的特征层
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

利用特征获得最终的预测结果

利用1 × 1卷积，指定输出类别数目，即可
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

预测过程详解

unet的预测效果如下：
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet代码过程如下所示：
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

数据集格式

  • JPEGImages：原图
  • SegmentationClass：标签（灰度图，飞机是1，人是15）
  • Segmentation
    • train.txt：训练集图片名字
    • val.txt：验证集图片名字
      【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

数据集的制作

使用一个软件labelme，版本3.16.7

pip install labelme==3.16.7 # 安装
labelme # 运行

在界面中通过一个闭环人工标注（真肝呀，yyds）
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet
会生成对应的json文件
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet利用json_to_dataset文件，输入自己的类别，得到分割结果
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet得到分割结果
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

训练参数解析

num_class = 实际类别+1（背景）
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet
冻不冻结？【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

使用focal loss可以防止样本不平衡
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet
核心是给不同的权重
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

训练自己的数据集

之前做好的数据集，用voc_annotation进行划分

【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

miou 评价指标计算

【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet
【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台,视频总结,深度学习,pytorch,人工智能,unet

看完了，完结撒花，不过想做分割的话，接下来看看sam，unet接下来可以看看变种了！文章来源地址https://www.toymoban.com/news/detail-524899.html

到了这里，关于【Bubbliiiing视频记录】Pytorch 搭建自己的Unet语义分割平台的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：
领支付宝红包赞助服务器费用

相关文章

  • 搭建自己的语义分割平台deeplabV3+

    搭建自己的语义分割平台deeplabV3+

    在上一篇主要了解了语义分割，实例分割，全景分割的区别，以及labelme标注的数据进行转换，这边文章主要是通过deeplabV3+ 构建自己的语义分割平台 上图所示，是deeplabV3+的主体框架，简单来说就是编码，解码的过程。将输入的图片通过DCNN深度卷积神经网络，获得两个有效的

    2024年02月01日
    浏览(10)
  • 憨批的语义分割重制版11——Keras 搭建自己的HRNetV2语义分割平台

    憨批的语义分割重制版11——Keras 搭建自己的HRNetV2语义分割平台

    最近学了一下HRnet，代码真的好难看懂，还只有Pytorch版本的，Keras复现很有难度，作者写的逻辑很厉害，只能慢慢攻破啦！ 传统的卷积神经网络模型是自上而下不断进行特征提取的，如VGG、Mobilenet、Resnet系列等，VGG网络中存在5个步长为(2, 2)最大池化，Mobilenet网络中存在5个步

    2023年04月21日
    浏览(7)
  • UNet-肝脏肿瘤图像语义分割

    UNet-肝脏肿瘤图像语义分割

    目录 一. 语义分割 二. 数据集 三. 数据增强 图像数据处理步骤 CT图像增强方法 ：windowing方法 直方图均衡化 获取掩膜图像深度 在肿瘤CT图中提取肿瘤 保存肿瘤数据  四. 数据加载 数据批处理 ​编辑​编辑 数据集加载   五. UNet神经网络模型搭建          单张图片预测图

    2024年02月04日
    浏览(44)

  • 基于MindSpore复现UNet—语义分割

    Unet模型于2015年在论文《U-Net: Convolutional Networks for Biomedical Image Segmentation》中被提出，最初的提出是为了解决医学图像分割问题，用于细胞层面的图像分割任务。 UNet模型是在FCN网络的基础上构建的，但由于FCN无法获取上下文信息以及位置信息，导致准确性较低，UNet模型由此

    2024年02月05日
    浏览(9)
  • Python Unet ++ :医学图像分割，医学细胞分割，Unet医学图像处理，语义分割

    Python Unet ++ :医学图像分割，医学细胞分割，Unet医学图像处理，语义分割

    一，语义分割：分割领域前几年的发展 图像分割是机器视觉任务的一个重要基础任务，在图像分析、自动驾驶、视频监控等方面都有很重要的作用。图像分割可以被看成一个分类任务，需要给每个像素进行分类，所以就比图像分类任务更加复杂。此处主要介绍 Deep Learning-ba

    2024年02月16日
    浏览(52)
  • 【语义分割】ST_Unet论文 逐步代码解读

    【语义分割】ST_Unet论文 逐步代码解读

    主要工程文件为这5个 分别作用为： 构造相应的deform 卷积 DCNN的残差网络 编写相应的配置文件，可以改变相应参数 模型的主函数和主框架 模型的连接部分 代码框架由3部分组成，encode，decode和decode中将图像还原成语义分割预测图 Transformer(config, img_size) 组成编码部分，包含主

    2024年02月07日
    浏览(8)
  • 【论文阅读】Swin Transformer Embedding UNet用于遥感图像语义分割

    【论文阅读】Swin Transformer Embedding UNet用于遥感图像语义分割

    Swin Transformer Embedding UNet for Remote Sensing Image Semantic Segmentation 全局上下文信息是遥感图像语义分割的关键 具有强大全局建模能力的Swin transformer 提出了一种新的RS图像语义分割框架ST-UNet型网络(UNet) 解决方案：将Swin transformer嵌入到经典的基于cnn的UNet中 ST-UNet由Swin变压器和CNN并联

    2024年02月08日
    浏览(33)
  • 论文阅读—2023.7.13：遥感图像语义分割空间全局上下文信息网络（主要为unet网络以及改unet）附加个人理解与代码解析

    论文阅读—2023.7.13：遥感图像语义分割空间全局上下文信息网络（主要为unet网络以及改unet）附加个人理解与代码解析

    前期看的文章大部分都是深度学习原理含量多一点，一直在纠结怎么改模型，论文看的很吃力，看一篇忘一篇，总感觉摸不到方向。想到自己是遥感专业，所以还是回归遥感影像去谈深度学习，回归问题，再想着用什么方法解决问题。 1、易丢失空间信息 在 Decoder 阶段输出多

    2024年02月16日
    浏览(12)

  • unet pytorch

    1.单机多卡版本：代码中的DistributedDataParallel (DDP) 部分对应单机多卡的分布式训练方式 2.多机多卡版本：使用torch.utils.data.distributed.DistributedSampler和torch.distributed.init_process_group来实现多机多卡的分布式训练，确保在每个进程中都有不同的数据划分和完整的通信。

    2024年02月12日
    浏览(4)

  • 使用自己的数据利用pytorch搭建全连接神经网络进行回归预测

    引入必要的库，包括PyTorch、Pandas等。 这里使用sklearn自带的加利福尼亚房价数据，首次运行会下载数据集，建议下载之后，处理成csv格式单独保存，再重新读取。 后续完整代码中，数据也是采用先下载，单独保存之后，再重新读取的方式。

    2024年02月13日
    浏览(11)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包，优惠每天领

二维码1

领取红包

二维码2

领红包