语义分割学习笔记（五）U-net网络

推荐课程：U-Net网络结构讲解(语义分割)_哔哩哔哩_bilibili

感谢博主霹雳吧啦Wz 提供视频讲解和源码支持，真乃神人也！

1. U-net网络模型

2. 分割效果

3. U-Net源码解析(Pytorch版)

4. 测试结果

1. U-net网络模型

U-Net网络由两部分构成，contracting path（收缩路径）和 expanding path（扩展路径）。

U-Net网络训练过程：

1. contracting path（收缩路径）：由4组 { 两个3x3卷积层 + 一个池化层（下采样） } 构成。

输入特征图（572 x 572 x 1） --conv(3x3卷积)--> 长、宽、通道数（570 x 570 x 64）--conv(3x3卷积)--> （568 x 568 x 64）--max_pooling(池化)（减半）--> （284 x 284 x 64）, 两个卷积层 + 一个池化层……最后到特征图（32 x 32 x 512）。

2. 中间又经过两个3x3卷积层：特征图（32 x 32 x 512） --conv(3x3卷积)--> （30 x 30 x 1024）--conv(3x3卷积)--> （28 x 28 x 1024）

3. expanding path（扩展路径）：由4组 { 中心裁剪和拼接 + 一个上采样层（转置卷积） + 两个3x3卷积层 } 构成。

注意：copy and cope 中心裁剪和拼接，先进行裁剪（64 x 64 x 512）--crop（中心裁剪）--> （56 x 56 x 512）。这里裁剪的是contracting path（收缩路径）中的一个特征图。再在 expanding path（扩展路径）中进行拼接。

特征图（28 x 28 x 1024） --up-conv(上采样，转置卷积)--> （56 x 56 x 512）--cope（拼接，上面中心裁剪得到的特征图）-->（56 x 56 x 1024）--conv(3x3卷积)--> （54 x 54 x 512）--conv(3x3卷积)--> （52 x 52 x 512），一次中心裁剪 + 一个上采样层（转置卷积） + 两个卷积层……最后得到特征图（388 x 388 x 64）。

4. 最后进行一次1x1卷积：特征图（388 x 388 x 64）--conv(1x1卷积)--> 特征图（388 x 388 x 2）。最后输出一个388 x 388 x 2的分割图。

U-Net网络模型改进：在步骤2和步骤3中的卷积层改为大小为3x3，填充为1的卷积层，这样 expanding path（扩展路径）中的特征图经过上采样后的大小与contracting path（收缩路径）中对应的特征图大小一致，可以省去中心裁剪这一步直接拼接。

2. 分割效果

3. U-Net源码解析(Pytorch版)

unet源码：https://github.com/WZMIAOMIAO/deep-learning-for-image-processing/tree/master/pytorch_segmentation/unet

DRIVE数据集下载地址：百度云链接： https://pan.baidu.com/s/1Tjkrx2B9FgoJk0KviA-rDw 密码: 8no8

unet源码：

  ├── src: 搭建U-Net模型代码├── train_utils: 训练、验证以及多GPU训练相关模块├── my_dataset.py: 自定义dataset用于读取DRIVE数据集(视网膜血管分割)├── train.py: 以单GPU为例进行训练├── train_multi_GPU.py: 针对使用多GPU的用户使用├── predict.py: 简易的预测脚本，使用训练好的权重进行预测测试└── compute_mean_std.py: 统计数据集各通道的均值和标准差

DRIVE数据集：

test:1st_manual目录:标注图片，金标准2nd_manual目录:标注图片，验证images目录:用于分割的原图片mask目录:分割区域，
training:1st_manual目录:标注图片images目录:用于分割的原图片mask目录:分割区域

改进的U-Net网络模型：

（1） U-Net网络模型代码

unet.py

from typing import Dict
import torch
import torch.nn as nn
import torch.nn.functional as F# 在uent中卷积一般成对使用
class DoubleConv(nn.Sequential):# 输入通道数， 输出通道数， mid_channels为成对卷积中第一个卷积层的输出通道数def __init__(self, in_channels, out_channels, mid_channels=None):if mid_channels is None:mid_channels = out_channelssuper(DoubleConv, self).__init__(# 3*3卷积，填充为1，卷积之后输入输出的特征图大小一致nn.Conv2d(in_channels, mid_channels, kernel_size=3, padding=1, bias=False),nn.BatchNorm2d(mid_channels),nn.ReLU(inplace=True),nn.Conv2d(mid_channels, out_channels, kernel_size=3, padding=1, bias=False),nn.BatchNorm2d(out_channels),nn.ReLU(inplace=True))# 下采样
class Down(nn.Sequential):def __init__(self, in_channels, out_channels):super(Down, self).__init__(# 1.最大池化的窗口大小为2， 步长为2nn.MaxPool2d(2, stride=2),# 2.两个卷积DoubleConv(in_channels, out_channels))# 上采样
class Up(nn.Module):# bilinear是否采用双线性插值def __init__(self, in_channels, out_channels, bilinear=True):super(Up, self).__init__()if bilinear:# 使用双线性插值上采样# 上采样率为2，双线性插值模式self.up = nn.Upsample(scale_factor=2, mode='bilinear', align_corners=True)self.conv = DoubleConv(in_channels, out_channels, in_channels // 2)else:# 使用转置卷积上采样self.up = nn.ConvTranspose2d(in_channels, in_channels // 2, kernel_size=2, stride=2)self.conv = DoubleConv(in_channels, out_channels)def forward(self, x1: torch.Tensor, x2: torch.Tensor) -> torch.Tensor:x1 = self.up(x1)# [N, C, H, W]# 上采样之后的特征图与要拼接的特征图，高度方向的差值diff_y = x2.size()[2] - x1.size()[2]# 上采样之后的特征图与要拼接的特征图，宽度方向的差值diff_x = x2.size()[3] - x1.size()[3]# padding_left, padding_right, padding_top, padding_bottom# 1.填充差值x1 = F.pad(x1, [diff_x // 2, diff_x - diff_x // 2,diff_y // 2, diff_y - diff_y // 2])# 2.拼接x = torch.cat([x2, x1], dim=1)# 3.两个卷积x = self.conv(x)return x# 最后的1*1输出卷积
class OutConv(nn.Sequential):def __init__(self, in_channels, num_classes):super(OutConv, self).__init__(nn.Conv2d(in_channels, num_classes, kernel_size=1))# unet网络模型
class UNet(nn.Module):# 参数: 输入通道数， 分割任务个数， 是否使用双线插值， 网络中第一个卷积通道个数def __init__(self,in_channels: int = 1,num_classes: int = 2,bilinear: bool = True,base_c: int = 64):super(UNet, self).__init__()self.in_channels = in_channelsself.num_classes = num_classesself.bilinear = bilinearself.in_conv = DoubleConv(in_channels, base_c)# 下采样，参数:输入通道,输出通道self.down1 = Down(base_c, base_c * 2)self.down2 = Down(base_c * 2, base_c * 4)self.down3 = Down(base_c * 4, base_c * 8)# 如果采用双线插值上采样为 2，采用转置矩阵上采样为 1factor = 2 if bilinear else 1# 最后一个下采样，如果是双线插值则输出通道为512，否则为1024self.down4 = Down(base_c * 8, base_c * 16 // factor)# 上采样，参数:输入通道,输出通道self.up1 = Up(base_c * 16, base_c * 8 // factor, bilinear)self.up2 = Up(base_c * 8, base_c * 4 // factor, bilinear)self.up3 = Up(base_c * 4, base_c * 2 // factor, bilinear)self.up4 = Up(base_c * 2, base_c, bilinear)# 最后的1*1输出卷积self.out_conv = OutConv(base_c, num_classes)# 正向传播过程def forward(self, x: torch.Tensor) -> Dict[str, torch.Tensor]:# 1. 定义最开始的两个卷积层x1 = self.in_conv(x)# 2. contracting path（收缩路径）x2 = self.down1(x1)x3 = self.down2(x2)x4 = self.down3(x3)x5 = self.down4(x4)# 3. expanding path（扩展路径）x = self.up1(x5, x4)x = self.up2(x, x3)x = self.up3(x, x2)x = self.up4(x, x1)# 4. 最后1*1输出卷积logits = self.out_conv(x)return {"out": logits}

（2）加载数据集

my_dataset.py

import os
from PIL import Image
import numpy as np
from torch.utils.data import Dataset# 载入数据集，继承Dataset类
class DriveDataset(Dataset):# 获取文件路劲。参数:根目录， T 载入训练集/F 测试集， 数据预处理方式def __init__(self, root: str, train: bool, transforms=None):super(DriveDataset, self).__init__()# train为 T，flag为training，否则为testself.flag = "training" if train else "test"data_root = os.path.join(root, "DRIVE", self.flag)# 判断路径是否存在assert os.path.exists(data_root), f"path '{data_root}' does not exists."self.transforms = transforms# 遍历data_root下的images目录，得到以.tif结尾的文件名称img_names = [i for i in os.listdir(os.path.join(data_root, "images")) if i.endswith(".tif")]# 获取文件路径self.img_list = [os.path.join(data_root, "images", i) for i in img_names]self.manual = [os.path.join(data_root, "1st_manual", i.split("_")[0] + "_manual1.gif")for i in img_names]# check filesfor i in self.manual:if os.path.exists(i) is False:raise FileNotFoundError(f"file {i} does not exists.")self.roi_mask = [os.path.join(data_root, "mask", i.split("_")[0] + f"_{self.flag}_mask.gif")for i in img_names]# check filesfor i in self.roi_mask:if os.path.exists(i) is False:raise FileNotFoundError(f"file {i} does not exists.")#def __getitem__(self, idx):# 转化为RGB灰度图片img = Image.open(self.img_list[idx]).convert('RGB')manual = Image.open(self.manual[idx]).convert('L')# 前景区域像素值变为1，背景区域像素值变为0manual = np.array(manual) / 255roi_mask = Image.open(self.roi_mask[idx]).convert('L')# 感兴趣的区域像素值变为0，不感兴趣的区域像素值变为255roi_mask = 255 - np.array(roi_mask)mask = np.clip(manual + roi_mask, a_min=0, a_max=255)# 这里转回PIL的原因是，transforms中是对PIL数据进行处理mask = Image.fromarray(mask)if self.transforms is not None:# 进行图片预处理img, mask = self.transforms(img, mask)return img, maskdef __len__(self):# 返回用于分割的原图片个数return len(self.img_list)@staticmethoddef collate_fn(batch):images, targets = list(zip(*batch))batched_imgs = cat_list(images, fill_value=0)batched_targets = cat_list(targets, fill_value=255)return batched_imgs, batched_targetsdef cat_list(images, fill_value=0):max_size = tuple(max(s) for s in zip(*[img.shape for img in images]))batch_shape = (len(images),) + max_sizebatched_imgs = images[0].new(*batch_shape).fill_(fill_value)for img, pad_img in zip(images, batched_imgs):pad_img[..., :img.shape[-2], :img.shape[-1]].copy_(img)return batched_imgs

（3）训练和评估

Dice similarity coefficient用于衡量两个集合的相似性，是分割网络中最常用的评价指标之一。

计算公式：

$Dice=\frac{2\left | X\bigcap Y \right |}{ |X|+|Y| }$

$Dice\ Loss=1-\frac{2\left | X\bigcap Y \right |}{ |X|+|Y| }$

Dice计算过程：

预测前景gailv矩阵X和前景标签矩阵进行数乘，再除以两个矩阵所有元素之和。如下图：

构建前景和背景GT标签过程：

我们在计算dice，应该分别根据前景和背景分别计算一个dice系数。因此需要分别构建前景和背景GT标签。

在GT标签中元素0为背景区域，1为前景区域，255为应该被忽略的区域（不感兴趣的区域）。将首先，所有的255元素变为0，然后进行one-hot操作，通道为0的矩阵所有为0的元素变为1，所有为1的元素变为0，得到background GT。通道为1的矩阵，元素不变，得到foreground GT。

前景和背景GT标签构建 + Dice计算 + Dice_Loss计算代码实现：

dice_coefficient_loss.py（前景和背景GT标签构建 + Dice计算 + Dice_Loss计算）

import torch
import torch.nn as nn# 构建前景和背景GT标签
def build_target(target: torch.Tensor, num_classes: int = 2, ignore_index: int = -100):"""build target for dice coefficient"""dice_target = target.clone()# 是否有255元素if ignore_index >= 0:ignore_mask = torch.eq(target, ignore_index)# 将所有的255元素变为0dice_target[ignore_mask] = 0# [N, H, W] -> [N, H, W, C]# 2个通道，通道为0的矩阵所有0变1,1变0。通道为1的矩阵元素不变dice_target = nn.functional.one_hot(dice_target, num_classes).float()# 将255元素复原dice_target[ignore_mask] = ignore_indexelse:dice_target = nn.functional.one_hot(dice_target, num_classes).float()return dice_target.permute(0, 3, 1, 2)def dice_coeff(x: torch.Tensor, target: torch.Tensor, ignore_index: int = -100, epsilon=1e-6):# Average of Dice coefficient for all batches, or for a single mask# 计算一个batch中所有图片某个类别的dice_coefficientd = 0.batch_size = x.shape[0]for i in range(batch_size):x_i = x[i].reshape(-1)t_i = target[i].reshape(-1)if ignore_index >= 0:# 找出mask中不为ignore_index的区域roi_mask = torch.ne(t_i, ignore_index)x_i = x_i[roi_mask]t_i = t_i[roi_mask]inter = torch.dot(x_i, t_i)sets_sum = torch.sum(x_i) + torch.sum(t_i)if sets_sum == 0:sets_sum = 2 * interd += (2 * inter + epsilon) / (sets_sum + epsilon)return d / batch_sizedef multiclass_dice_coeff(x: torch.Tensor, target: torch.Tensor, ignore_index: int = -100, epsilon=1e-6):"""Average of Dice coefficient for all classes"""dice = 0.for channel in range(x.shape[1]):dice += dice_coeff(x[:, channel, ...], target[:, channel, ...], ignore_index, epsilon)return dice / x.shape[1]# 计算dice_loss
def dice_loss(x: torch.Tensor, target: torch.Tensor, multiclass: bool = False, ignore_index: int = -100):# Dice loss (objective to minimize) between 0 and 1x = nn.functional.softmax(x, dim=1)fn = multiclass_dice_coeff if multiclass else dice_coeffreturn 1 - fn(x, target, ignore_index=ignore_index)

train_and_eval.py（训练 + 评估）

import torch
from torch import nn
import train_utils.distributed_utils as utils
from .dice_coefficient_loss import dice_loss, build_target# dice计算 + dice_loss计算
def criterion(inputs, target, loss_weight=None, num_classes: int = 2, dice: bool = True, ignore_index: int = -100):losses = {}for name, x in inputs.items():# 忽略target中值为255的像素，255的像素是目标边缘或者padding填充loss = nn.functional.cross_entropy(x, target, ignore_index=ignore_index, weight=loss_weight)if dice is True:dice_target = build_target(target, num_classes, ignore_index)# dice_lossloss += dice_loss(x, dice_target, multiclass=True, ignore_index=ignore_index)losses[name] = lossif len(losses) == 1:return losses['out']return losses['out'] + 0.5 * losses['aux']# 评估
def evaluate(model, data_loader, device, num_classes):model.eval()confmat = utils.ConfusionMatrix(num_classes)dice = utils.DiceCoefficient(num_classes=num_classes, ignore_index=255)metric_logger = utils.MetricLogger(delimiter="  ")header = 'Test:'with torch.no_grad():for image, target in metric_logger.log_every(data_loader, 100, header):image, target = image.to(device), target.to(device)output = model(image)output = output['out']confmat.update(target.flatten(), output.argmax(1).flatten())# dice验证指标dice.update(output, target)confmat.reduce_from_all_processes()dice.reduce_from_all_processes()return confmat, dice.value.item()# 训练一个轮回
def train_one_epoch(model, optimizer, data_loader, device, epoch, num_classes,lr_scheduler, print_freq=10, scaler=None):model.train()metric_logger = utils.MetricLogger(delimiter="  ")metric_logger.add_meter('lr', utils.SmoothedValue(window_size=1, fmt='{value:.6f}'))header = 'Epoch: [{}]'.format(epoch)if num_classes == 2:# 设置cross_entropy中背景和前景的loss权重(根据自己的数据集进行设置)loss_weight = torch.as_tensor([1.0, 2.0], device=device)else:loss_weight = Nonefor image, target in metric_logger.log_every(data_loader, print_freq, header):image, target = image.to(device), target.to(device)with torch.cuda.amp.autocast(enabled=scaler is not None):output = model(image)loss = criterion(output, target, loss_weight, num_classes=num_classes, ignore_index=255)optimizer.zero_grad()if scaler is not None:scaler.scale(loss).backward()scaler.step(optimizer)scaler.update()else:loss.backward()optimizer.step()lr_scheduler.step()lr = optimizer.param_groups[0]["lr"]metric_logger.update(loss=loss.item(), lr=lr)return metric_logger.meters["loss"].global_avg, lrdef create_lr_scheduler(optimizer,num_step: int,epochs: int,warmup=True,warmup_epochs=1,warmup_factor=1e-3):assert num_step > 0 and epochs > 0if warmup is False:warmup_epochs = 0def f(x):"""根据step数返回一个学习率倍率因子，注意在训练开始之前，pytorch会提前调用一次lr_scheduler.step()方法"""if warmup is True and x <= (warmup_epochs * num_step):alpha = float(x) / (warmup_epochs * num_step)# warmup过程中lr倍率因子从warmup_factor -> 1return warmup_factor * (1 - alpha) + alphaelse:# warmup后lr倍率因子从1 -> 0# 参考deeplab_v2: Learning rate policyreturn (1 - (x - warmup_epochs * num_step) / ((epochs - warmup_epochs) * num_step)) ** 0.9return torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda=f)