使用pytorch实现论文中的unet网络_unet网络结构 - CSDN文库

192 浏览量更新于2023-03-03 评论 4 收藏 89KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

使用使用pytorch实现论文中的实现论文中的unet网络网络

设计神经网络的一般步骤：设计神经网络的一般步骤：

1. 设计框架

2. 设计骨干网络

Unet网络设计的步骤：网络设计的步骤：

1. 设计Unet网络工厂模式

2. 设计编解码结构

3. 设计卷积模块

4. unet实例模块

Unet网络最重要的特征：网络最重要的特征：

1. 编解码结构。

2. 解码结构，比FCN更加完善，采用连接方式。

3. 本质是一个框架，编码部分可以使用很多图像分类网络。

示例代码：

import torch

import torch.nn as nn

class Unet(nn.Module):

#初始化参数：Encoder,Decoder,bridge

#bridge默认值为无，如果有参数传入，则用该参数替换None

def __init__(self,Encoder,Decoder,bridge = None):

super(Unet,self).__init__()

self.encoder = Encoder(encoder_blocks)

self.decoder = Decoder(decoder_blocks)

self.bridge = bridge

def forward(self,x):

res = self.encoder(x)

out,skip = res[0],res[1,:] if bridge is not None:

out = bridge(out)

out = self.decoder(out,skip)

return out

#设计编码模块

class Encoder(nn.Module):

def __init__(self,blocks):

super(Encoder,self).__init__()

#assert:断言函数，避免出现参数错误

assert len(blocks) > 0

#nn.Modulelist（）：模型列表，所有的参数可以纳入网络，但是没有forward函数

self.blocks = nn.Modulelist(blocks)

def forward(self,x):

skip = [] for i in range(len(self.blocks) - 1):

x = self.blocks[i](x)

skip.append(x)

res = [self.block[i+1](x)] #列表之间可以通过+号拼接

res += skip

return res

#设计Decoder模块

class Decoder(nn.Module):

def __init__(self,blocks):

super(Decoder, self).__init__()

assert len(blocks) > 0

self.blocks = nn.Modulelist(blocks)

def ceter_crop(self,skips,x):

_,_,height1,width1 = skips.shape()

_,_,height2,width2 = x.shape()

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余4页未读，立即下载

评论0

weixin_38661236

粉丝: 5
资源: 981

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈