Efficientnet_b3-Unet 记录

xiaoxu_飞

已于 2022-11-07 17:13:18 修改

阅读量2k

点赞数 4

文章标签： python 深度学习人工智能 pytorch

于 2022-11-07 16:58:37 首次发布

本文链接：https://blog.csdn.net/qq_52902342/article/details/127734568

版权

本文介绍了一种结合EfficientNet_b3与UNet的网络结构，利用EfficientNet_b3强大的特征提取能力替换UNet的下采样部分，提高了整体模型性能。通过详细展示网络构建代码，为读者提供了实现参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文采用Efficientnet_b3作为主干网络替换unet的下采样部分，使网络提取特征更强大

将红色框的信息替换修改

搭建上采样block

import torch
import torch.nn as nn
import torchvision.models as models
from torchsummary import summary

#基本的block
class DecoderBlock(nn.Module):
    def __init__(self,
                 in_channels=512,
                 n_filters=256,
                 kernel_size=3,
                 is_deconv=False,
                 ):
        super().__init__()
 
        if kernel_size == 3:
            conv_padding = 1
        elif kernel_size == 1:
            conv_padding = 0
 
        # B, C, H, W -> B, C/4, H, W
        self.conv1 = nn.Conv2d(in_channels,
                               in_channels // 4,
                               kernel_size,
                               padding=1,bias=False)
        self.norm1 = nn.BatchNorm2d(in_channels // 4)
        self.relu1 = nn.ReLU(inplace=True)
 
        # B, C/4, H, W -> B, C/4, H, W
        if is_deconv == True:

最低0.47元/天解锁文章