使用 U-Net 的语义分割

使用 PyTorch 进行图像深度学习

Michal Oleszak

Machine Learning Engineer

语义分割

不区分同一类别的不同实例
适用于医学影像与卫星图像分析
常用架构：U-Net

U-Net 架构

U-Net 架构示意图

编码器：

卷积与池化层
下采样：降低空间分辨率并增加通道数

U-Net 架构

U-Net 架构示意图

解码器：

与编码器对称
使用转置卷积上采样特征图

U-Net 架构

U-Net 架构示意图

跳跃连接：

连接编码器与解码器
保留下采样丢失的细节

转置卷积

转置卷积示意图

在解码器中上采样特征图：增大高和宽，减少通道数
转置卷积流程：
1. 在输入特征图之间或周围插入零
2. 对填零后的输入执行常规卷积

PyTorch 中的转置卷积

import torch.nn as nn

upsample = nn.ConvTranspose2d(
    in_channels=in_channels,
    out_channels=out_channels,
    kernel_size=2,
    stride=2,
)

U-Net：层定义

class UNet(nn.Module):
    def __init__(self, in_channels, out_channels):
        super(UNet, self).__init__()


        self.enc1 = self.conv_block(in_channels, 64)
        self.enc2 = self.conv_block(64, 128)
        self.enc3 = self.conv_block(128, 256)
        self.enc4 = self.conv_block(256, 512)
        self.pool = nn.MaxPool2d(kernel_size=2, stride=2)


        self.upconv3 = nn.ConvTranspose2d(512, 256,
                                          kernel_size=2, stride=2)
        self.upconv2 = nn.ConvTranspose2d(256, 128,
                                          kernel_size=2, stride=2)
        self.upconv1 = nn.ConvTranspose2d(128, 64,
                                          kernel_size=2, stride=2)


        self.dec1 = self.conv_block(512, 256)
        self.dec2 = self.conv_block(256, 128)
        self.dec3 = self.conv_block(128, 64)
        self.out = nn.Conv2d(64, out_channels, kernel_size=1)

编码器：

卷积块

def conv_block(self, in_channels, out_channels):
return nn.Sequential(
  nn.Conv2d(in_channels, out_channels),
  nn.ReLU(inplace=True),
  nn.Conv2d(out_channels, out_channels),
  nn.ReLU(inplace=True)
)

池化层

解码器：
- 转置卷积
- 卷积块

U-Net：forward 方法

def forward(self, x):

    x1 = self.enc1(x)
    x2 = self.enc2(self.pool(x1))
    x3 = self.enc3(self.pool(x2))
    x4 = self.enc4(self.pool(x3))


    x = self.upconv3(x4)

    x = torch.cat([x, x3], dim=1)

    x = self.dec1(x)


    x = self.upconv2(x)
    x = torch.cat([x, x2], dim=1)
    x = self.dec2(x)

    x = self.upconv1(x)
    x = torch.cat([x, x1], dim=1)
    x = self.dec3(x)


    return self.out(x)

将输入依次通过编码器的卷积块与池化层
解码与跳跃连接：
- 通过转置卷积上采样
- 与对应的编码器输出拼接
- 通过卷积块
- 对所有解码步骤重复
返回最后一步的输出

运行推理

model = UNet()
model.eval()


image = Image.open("car.jpg")
transform = transforms.Compose([transforms.ToTensor()])
image_tensor = transform(image).unsqueeze(0)


with torch.no_grad():
    prediction = model(image_tensor).squeeze(0)


plt.imshow(prediction[1, :, :])
plt.show()

原始汽车图像

语义掩码叠加在汽车图像上

Passons à la pratique !

使用 PyTorch 进行图像深度学习