Семантическая сегментация с U-Net

Глубокое обучение для работы с изображениями на PyTorch

Michal Oleszak

Machine Learning Engineer

Семантическая сегментация

Не различает разные экземпляры одного класса
Применяется в медицинской визуализации и анализе спутниковых снимков
Популярная архитектура: U-Net

Архитектура U-Net

Диаграмма архитектуры U-Net

Кодировщик:

Свёрточные слои и слои пулинга
Прореживание: уменьшает пространственные размеры, увеличивая глубину

Архитектура U-Net

Диаграмма архитектуры U-Net

Декодировщик:

Симметричен кодировщику
Увеличивает размер карт признаков с помощью транспонированных свёрток

Архитектура U-Net

Диаграмма архитектуры U-Net

Пропускные соединения:

Связи от кодировщика к декодировщику
Сохраняют детали, утраченные при прореживании

Транспонированная свёртка

Диаграмма транспонированной свёртки

Увеличивает размер карт признаков в декодировщике: высота и ширина растут, глубина уменьшается
Процесс транспонированной свёртки:
1. Вставить нули между элементами входной карты признаков или вокруг неё
2. Выполнить обычную свёртку на входе с нулевым заполнением

Транспонированная свёртка в PyTorch

import torch.nn as nn

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

U-Net: определение слоёв

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)

Кодировщик:

Свёрточные блоки

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)
)

Слой пулинга

Декодировщик:
- Транспонированные свёртки
- Свёрточные блоки

U-Net: метод forward

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)

Передать входные данные через свёрточные блоки и слои пулинга кодировщика
Декодировщик и пропускные соединения:
- Передать закодированный вход через транспонированную свёртку
- Конкатенировать с соответствующим выходом кодировщика
- Передать через свёрточный блок
- Повторить для всех шагов декодировщика
Вернуть выход последнего шага декодировщика

Запуск инференса

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()

Исходное изображение автомобиля

Семантическая маска, наложенная на изображение автомобиля

Давайте потренируемся!

Глубокое обучение для работы с изображениями на PyTorch