Semantisk segmentering med U-Net

Djupinlärning för bilder med PyTorch

Michal Oleszak

Machine Learning Engineer

Semantisk segmentering

Ingen åtskillnad mellan olika instanser av samma klass
Användbart för medicinsk bildanalys eller satellitbildsanalys
Populär arkitektur: U-Net

U-Net-arkitektur

Arkitekturdiagram för U-Net

Enkodare:

Konvolutionslager och poolinglager
Nedsampling: minskar de spatiala dimensionerna och ökar djupet

U-Net-arkitektur

Arkitekturdiagram för U-Net

Avkodare:

Symmetrisk mot enkodaren
Uppsampling av särdragskartor med transponerade konvolutioner

U-Net-arkitektur

Arkitekturdiagram för U-Net

Hopkopplingar:

Länkar från enkodaren till avkodaren
Bevarar detaljer som går förlorade vid nedsampling

Transponerad konvolution

Diagram över transponerad konvolution

Uppsampling av särdragskartor i avkodaren: ökar höjd och bredd, minskar djupet
Processen för transponerad konvolution:
1. Infoga nollor mellan eller runt den ingående särdragskartan
2. Utför en vanlig konvolution på den noll-paddade inmatningen

Transponerad konvolution i PyTorch

import torch.nn as nn

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

U-Net: lagerdefinitioner

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)

Enkodare:

Konvolutionsblock

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)
)

Poolinglager

Avkodare:
- Transponerade konvolutioner
- Konvolutionsblock

U-Net: forwardmetoden

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)

Skicka indata genom enkodarens konvolutionsblock och poolinglager
Avkodare och hopkopplingar:
- Skicka enkodad indata genom transponerad konvolution
- Sammanfoga med motsvarande enkodararutdata
- Skicka genom konvolutionsblock
- Upprepa för alla avkodarsteg
Returnera utdata från det sista avkodarsteget

Köra inferens

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()

Originalbild på en bil

Semantisk mask överlagd på bilbilden

Nu kör vi en övning!

Djupinlärning för bilder med PyTorch