UNet语义分割模型的使用-Pytorch

1.概述

最近有时间，跑了一下UNet模型，因为自己的深度学习基础不扎实，导致用了一些时间。目前只停留在使用和理解别人模型的基础上，对于优化模型的相关方法还有待学习。
众所周知，UNent是进行语义分割的知名模型，它的U形结构很多人也都见过，但是如果自己没有亲自试过的话，也就只知道它的U形结构，其实里面还是有很多学问的，下面就把自己学习时候的一些理解写一下。
最后会拿个完整代码作为例子（实际上自己练习了两个比较成功的例子）

2.UNet模型理解

先放UNet模型的图，然后介绍再Pytorch相关实现的函数。

一般看到这个图，都会看到它从左边逐渐编码，到最底端，之后从底端不断解码，恢复为一张图像。但是很多人会忽略中间的从左往右的三条灰色的直线，这是它把一个图像处理为目标图像的一个关键。
从图中理解，Unet模型可以分为几个关键的部分
①ConvBlock()：也就是U形结构左边的这一部分，当然也包括下面和它很相似的三个，他们都是（卷积-激活-卷积-激活），这也就是图像从572×572变成568×568的原因，实际上就是卷积过程中边界设定的问题。
②MaxPool2d():然后紧接者就是红色箭头了，它就是池化，把卷积后的特征筛选出来，这是图像尺寸急剧下降的原因。
接着①和②步骤重复了4次。得到了一个512维，32×32的图片。当然有的模型为了简化，这个步骤只进行了3次，实际上也能取得不错的效果。
最后它又进行了一次①，成功把图像变成1024维度，30×30，图像特征被压缩在了这样的一个信息里面了。
下面就是U形结构的右侧上升部分了，总之就是把刚才被压缩的信息展开，结合一步步压缩过程的中间图像（灰色箭头），把图像还原成想要的样子。
这里主要用到了下面的函数
③ConvBlock():和①一模一样，只不过，①是把维度逐渐变大也就是从3变成1024，而在经过4次③之后，1024变成了1
④ConvTranspose2d():与池化对应，这个是上采样（不确定叫法是否得当）过程，它拓展了数据的尺寸，并减少了维度。
⑤copyAndCrop和cat，这个就是灰色箭头的实现过程，首先把两个输入数据（也就是原始数据及编码过程数据和上采样结果裁剪为一致的尺寸，之后进行连接）
在最后一层，输出的维度为一，也就是灰度图像，不过也可以定义为其他维度，例如输出彩色，这跟自己实际的需求有关。

3.数据集加载

为了方便下面展示代码，先导入必要的模块

import numpy as np
import pandas as pd
import random
import torch
import torch.nn as nn
import torch.optim as optim
import torchvision
import torchvision.utils as vutils
from torchsummary import summary
from torch.optim.lr_scheduler import ReduceLROnPlateau, CosineAnnealingLR, StepLR, MultiStepLR, CyclicLR
from torch.utils.data import Dataset, DataLoader
from torchvision import transforms as T, datasets as dset
from sklearn.model_selection import train_test_split
from matplotlib import pyplot as plt
from zipfile import ZipFile
from tqdm import tqdm
from glob import glob
from PIL import Image
import cv2
from torch.utils.tensorboard import SummaryWriter

数据加载过程跟普通的卷积神经网络没什么区别，无非就是构建Dataset从文件夹读取数据，之后构建dataset_loader，用来为训练数据做准备。下面直接放一段代码。
不过还是要介绍一下原数据的目录结构，下载数据请点这里Carvana Image Masking Challenge.,下载下面这两个压缩包解压就可以

解压后这样就行：

在下面的代码中，数据被分为了两组，0.7的数据被作为训练组，0.3的数据被用来验证。
多说两句，这个数据集的构建继承了Dataset类，实现了__getitem__(self, index: int)和__len__(self)两个函数。

class MyDataset(Dataset):
    def __init__(self, root_dir: str, train=True, transforms=None):
        super(MyDataset, self).__init__()
        self.train = train
        self.transforms = transforms

        file_path = root_dir + 'imgs/*.jpg'
        file_mask_path = root_dir + 'masks/*.gif'

        self.images = sorted(glob(file_path))
        self.image_mask = sorted(glob(file_mask_path))

        # manually split the train/valid data
        split_ratio = int(len(self.images) * 0.7)
        if train:
            self.images = self.images[:split_ratio]
            self.image_mask = self.image_mask[:split_ratio]
        else:
            self.images = self.images[split_ratio:]
            self.image_mask = self.image_mask[split_ratio:]

    def __getitem__(self, index: int):
        image = Image.open(self.images[index]).convert('RGB')
        image_mask = Image.open(self.image_mask[index]).convert('L')

        if self.transforms:
            image = self.transforms(image)
            image_mask = self.transforms(image_mask)

        return {
   
   'img': image, 'mask': image_mask}

    def __len__(self):
        return len(self.images)

4.构建模型

下面模型的代码跟**2.**的介绍是对应的，建议对照看一下，就会有所理解

class ConvBlock(nn.Module):
    def __init__(self, in_channels: int, out_channels: int):
        super(ConvBlock, self).__init__()
        self.block = nn.Sequential(
            nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=1, padding=1),
            nn.BatchNorm2d(out_channels),
            nn.ReLU(inplace=True),

            nn.Conv2d(out_channels, out_channels, kernel_size=3, stride=1, padding=1),
            nn.BatchNorm2d(out_channels),
            nn.ReLU(inplace=True)
        )

    def