使用 U-Net 的語意分割

使用 PyTorch 進行影像深度學習

Michal Oleszak

Machine Learning Engineer

語意分割

不區分同類別的不同實例
適用於醫學影像或衛星影像分析
常見架構：U-Net

U-Net 架構

U-Net 架構示意圖

Encoder：

卷積與池化層
向下取樣：減少空間維度並增加深度

U-Net 架構

U-Net 架構示意圖

Decoder：

與 encoder 對稱
以轉置卷積上採樣特徵圖

U-Net 架構

U-Net 架構示意圖

跳接（skip connections）：

連結 encoder 與 decoder
保留向下取樣時流失的細節

轉置卷積

轉置卷積示意圖

在 decoder 中上採樣特徵圖：增加高度與寬度，同時減少深度
轉置卷積流程：
1. 在輸入特徵圖之間或周圍插入 0
2. 對零填充的輸入執行一般卷積

PyTorch 的轉置卷積

import torch.nn as nn

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

U-Net：層定義

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)

Encoder：

卷積區塊

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)
)

池化層

Decoder：
- 轉置卷積
- 卷積區塊

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)

將輸入通過 encoder 的卷積區塊與池化層
Decoder 與跳接：
- 將編碼後的輸入通過轉置卷積
- 與對應的 encoder 輸出做串接
- 通過卷積區塊
- 對所有 decoder 步驟重複以上流程
回傳最後一個 decoder 步驟的輸出

執行推論

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()

原始汽車影像

套上語意遮罩的汽車影像

一起來練習吧！

使用 PyTorch 進行影像深度學習