深度学习之图像分割—— u2-net基本思想和网络结构以及论文补充

已于 2023-02-18 14:53:54 修改
阅读量1.8k 收藏 3
点赞数
文章标签： 深度学习 计算机视觉 目标检测
于 2023-02-18 10:40:31 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44832832/article/details/129097602
版权

文章目录

u2-net的引入

在这里插入图片描述
针对的任务是SOD任务（显著性目标检测）

1.什么是SOD任务

在这里插入图片描述
特点：只有前景和背景

2.网络结构

1.主要思想

主要思想：大的unet中又嵌套的小的unet
在这里插入图片描述

2.重要模块

主要以RSU-7和RSU-4F为主
在这里插入图片描述

1.RSU-7

在这里插入图片描述

5.RSU-4F

在这里插入图片描述
en-5、en-6、en-7使用的是RSU-4F，因为en-4裁剪的图片已经很小了，如果再继续裁剪，那么会失去很多的上下文信息。所以把结构中的上采样下采样模块都换成了膨胀卷积。d2、d4分别代表膨胀系数是2和4。

3.显著图融合模块

在这里插入图片描述
如何进行融合，最终生成我们最后需要的融合特征图？
每一层通过一个33的卷积层，他们的通道数都是等于1的，再通过双线性差值的方法把图片还原到输入图像的一个尺寸，然后把6层的特征图进行一个拼接，最后再通过一个11的卷积层和sigmoid的函数生成最后的一个预测概率图。

3.u2net和轻量型的u2net它们的一个详细配置

在这里插入图片描述
实验结果对比图
在这里插入图片描述

4.损失函数

在这里插入图片描述
前一部分对应的就是sup1-sup6，这6个图通过sigmoid激活函数得到对应的预测概率图，然后再与我们手工标注的gt去计算它的损失l，这里的l代表的都是二值交叉熵损失函数，这里的M是6。后一部分指的的最终得到的一个预测特征图和GT的一个损失。

5.评价指标

在这里插入图片描述
Fβ、MAE的值是在0-1之间的，数值越大效果越好。

6.DUTS数据集（显著性目标检测）

在这里插入图片描述
在这里插入图片描述

Jul7_LYY
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
【Pytorch项目实战】之语义分割：U-Net、UNet++、U2Net
shinuone的博客
02-11 6045
图像分割：对图像中属于特定类别的像素进行分类（逐像素分类）。 图像分类：识别图像中存在的内容。 目标检测：识别图像中的内容和位置（通过边界框）。 语义分割：识别图像中存在的内容以及位置（通过查找属于它的所有像素）。
图像分割实战-系列教程10：U2NET显著性检测实战 原理解读
01-03
在计算机视觉领域，图像分割是一项重要的技术，它涉及到图像识别、语义分割和深度学习等多个方面。本教程主要关注的是U2NET模型在显著性检测中的应用和原理解析。U2NET是一种强大的深度学习架构，特别适用于显著对象...
【医学分割】u2net
可乐大牛的博客
06-30 5752
u2net是在unet的基础上提出来的，是一个效果非常棒的显著性目标检测模型。 显著性目标检测：分割出图像的主体。 模型提出的是两块： 1、分割任务的backbone主要是一些预训练模型，没有自己专属的backbone。因为分割没有大型的的数据集，所以一些分割backbone的效果没有预训练模型的效果好，所以大家也都采用预训练模型了。：他么并不是专属于分割的backbone，所以想要做分割还需要在这个基础上加一些特殊的结构，这就带来了计算复杂度。 2、如果想要借助深层网络的高表征能力的话，一般会在最前面的一
深度学习之图像分割—— u-net基本思想和网络结构以及论文补充
qq_44832832的博客
02-18 1114
@[toc] ## u-net的引入 Unet 发表于 2015 年，属于 FCN 的一种变体。Unet 的初衷是为了解决生物医学图像的问题，由于效果确实很好后来也被广泛的应用在语义分割的各个方向，如卫星图像分割，工业瑕疵检测等。 ![在这里插入图片描述](https://img-blog.csdnimg.cn/ded0bf32e4d14bc889d2d935968f5933.png) ### 1.主要思想 Unet 跟 FCN 都是 Encoder-Decoder 结构，结构简单但很有效。 1.Enco
图像分割之——U-Net实现
GWENGJING的博客
10-31 2692
UNet主要贡献是在U型结构上，该结构可以使它使用更少的训练图片的同时，且分割的准确度也不会差，UNet的网络结构如下图：unet网络非常的简单，前半部分就是特征提取，后半部分是上采样。
Swin Unet——结合U-Net和Transformer的医学图像分割的网络解析
知来者逆的博客
04-15 3775
Swin-Unet的性能被与纯CNN和结合了CNN的Transformer方法进行了比较。实验结果表明，Swin-Unet在多器官分割任务上取得了优于其他方法的性能。这可能是因为Swin-Unet能够有效地结合局部和全局信息，从而更好地理解医学图像中的复杂结构。
U2Net——U-Net套U-Net——套娃式图像分割算法
Philo的博客
11-28 2393
这里Block，除了输入和输出的通道会发生变化，在中间层进行卷积时，使用的通道数都是Mid_channels，同时在最下层的卷积中，使用的是膨胀卷积。这里的L=7，指的是RSU-7，是En_1和Dn_1的内部结构，在前四层中，都是使用的是RSU结构；保留了原始的U-Net网络结构，只是将每一个Block的内部结构做了很大的调整，换成了一个U-Net，同时针对整个结构的输出做出调整，在训练时，给六个输出进行loss计算，在测试时只得到一个输出。
[深度学习论文笔记] 3D U2-Net: A 3D Universal U-Net for Multi-Domain Medical Image Segmentation
Slientsake的博客
03-15 2115
[论文解读] 3D U2-Net: A 3D Universal U-Net for Multi-Domain Medical Image Segmentation 3D-U2网络：一种用于多域医学图像分割的3D通用U网络 论文：https://arxiv.org/pdf/1909.06012 代码：https://github.com/huangmozhilv/u2net_torch/ 发表：2019 MICCAI 一、基本介绍 1.1历史背景 U-Net这样的全卷积神经网络已经成为医学图像分割的最新方法
使用U-Net 进行图像分割
热门推荐
FanJin的博客
04-11 1万+
最近做病理AI的细胞计数问题，需要对图像中的各个细胞进行分类，若采用普通的CNN+普通图像分割，估计实现效果不佳。为了解决这个问题，大致有两种方案：目标检测 和 图像分割。目标检测的算法以Faster R-CNN、RetinaNet、YOLO3、SSD等算法为代表；图像分割则以U-Net 等为代表。本文将简述 U-Net。 平时接触较多的是TensorFlow、PyTorch 和 Keras 三...
毕业设计 U-Net遥感图像语义分割（源码+论文）
m0_71572237的博客
02-25 1061
**基于 U-Net 网络的遥感图像语义分割 **实验训练使用 Anaconda 版 Python 3.7 下的 TensorFlow-GPU1.8 后期图像生成由于 GPU 显存限制，使用 TensorFlow 的 CPU 版本进行计算预测图计算。U-Net 是一种由全卷积神经网络启发的对称结构网络，在医疗影像分割领域取得了很好的效果。 此次研究尝试使用 U-Net 网络在对多光谱遥感影像数据集上进行训练，尝试使用卷积神经网络自动分割出建筑，希望能够得到一种自动分割遥感影像的简便方法。首先提出了一种基于遥
U2net表计分割，附三种改进，包括深度可分离卷积和两种注意力机制
06-29
U2net表计分割，附三种改进，包括深度可分离卷积和两种注意力机制U2net表计分割，附三种改进，包括深度可分离卷积和两种注意力机制U2net表计分割，附三种改进，包括深度可分离卷积和两种注意力机制U2net表计分割，附...
图像分割实战-系列教程9：U2NET显著性检测实战源码
01-01
图像分割实战-系列教程9：U2NET显著性检测实战源码： 输入是一张正常的图像： 输出的是一种素描画像的图像 扣掉前景的图像 只有目标前景的图像 可以用来扣绿幕，扣前景等 Unet的U没变，但是为什么叫U2Net呢，这里的...
U-Net图像语义分割实战：训练自己的数据集
06-14
U-Net是一种基于深度学习的图像语义分割方法，尤其在医学图像分割中表现优异。 本课程将手把手地教大家使用labelme图像标注工具制作自己的数据集，生成Mask图像，并使用U-Net训练自己的数据集，从而能开展自己的...
PyTorch使用U-Net进行图像语义分割训练和测试代码
02-05
# PyTorch使用U-Net进行语义分割训练和测试代码 使用PyTorch实现了U-Net的模型定义和训练测试代码，在Kaggle的https://www.kaggle.com/c/carvana-image-masking-challenge数据集上训练，对高清图像进行语义分割。 #...
卷积神经网络（三）-zfNet
07-25 1272
ZFNet（Zeiler & Fergus Net）是由Matthew D. Zeiler和Rob Fergus在2013年提出的卷积神经网络模型，它是基于AlexNet进行改进而来的。ZFNet在当年的ImageNet Large Scale Visual Recognition Challenge (ILSVRC)中取得了冠军,尤其在分类和定位任务上表现突出。
【计算机视觉】基本概念和应用
weixin_39372311的博客
07-23 1126
随着计算能力的提升和深度学习技术的发展，计算机视觉在近年来取得了飞速的进展，并在多个领域实现了广泛应用。图像分割分为语义分割和实例分割，前者关注每个像素的类别，后者关注每个实例的类别和位置。计算机视觉在增强现实（AR）和虚拟现实（VR）中也有重要应用，通过对现实世界的感知和理解，实现虚拟与现实的结合。在游戏、教育、医疗和工业等领域，AR和VR技术带来了新的应用体验和可能性。图像分析的目标是理解图像的内容和结构，为后续的高层次视觉任务提供支持。图像处理是计算机视觉的基础，包括图像的采集、预处理和增强等操作。
2024浙江省行政区划矢量图层-省市县乡镇四级行政区划数据下载-带python代码
最新发布
08-02
2024最新浙江省行政区划矢量图层数据，包含省、市、县、乡镇四级行政区划数据下载，附带shp转geojson的python代码
年度销售计划表.xlsx.xlsx
08-01
销售统计，调查问卷，库存明细，跟进表，业绩统计表，差异分析 ，产品清单 适用人群：学习不同技术领域的小白或进阶学习者；可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。
U2NET深度学习图像分割教程：显著性检测与原理解析
"本文介绍了U2-Net网络结构在图像分割中的应用，特别是显著性检测，该...U2-Net通过其独特的设计和RSU结构，为图像分割和显著性检测提供了一种有效且灵活的解决方案，无论是在性能还是资源效率方面都展现出良好的平衡。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Jul7_LYY

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值