U2Net

• • 1 相关参考
  • 2 U2−NetU^2-NetU2−Net 网络结构
  • 3 网络代码和测试

1 相关参考

论文名称： U2-Net: Goging Deeper with Nested U-Structure for Salient Object Detetion
论文地址： https://arxiv.org/abs/2005.09007
官方源码： https://github.com/xuebinqin/U-2-Net
参考代码： Pytorch UNet
参考博客： https://blog.csdn.net/qq_37541097/article/details/126255483
参考视频： bilibili 我为霹导举大旗

建议大家可以先看霹导的原理讲解视频和代码讲解视频，代码写的真的太优雅了，以下内容作为自己对重点的记录和一些代码中的修改！

2 U2−NetU^2-NetU2−Net 网络结构

整体结构：

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。

Block结构RSU：

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；

在后面的两层中，使用的是RSU-4F，其中的卷积层使用的是膨胀卷积，避免因为深度太深，导致图像尺寸太小，丢失特征，RSU-4F结构如下：
RSU-4F:

这里向下使用了两层的膨胀卷积，进行特征恢复，避免因为网络深度太深，导致特征丢失的问题！

损失函数：
网络在训练的时候，是对六个输出分别和GT进行BCE（二值交叉熵）计算，然后对损失求和进行反向传播，公式如下：
L=∑m=1Mwside (m)lside (m)+wfuse lfuse L=\sum_{m=1}^{M} w_{\text {side }}^{(m)} l_{\text {side }}^{(m)}+w_{\text {fuse }} l_{\text {fuse }} L=m=1∑M​wside (m)​lside (m)​+wfuse ​lfuse ​

在本网络中，前面一部分是六个输出和GT的损失，第二部分是最后的融合图像和GT的损失，代码如下：

import torch
import torch.nn as nn
from torch.nn import functional as F
class U2criterion(nn.Module):def __init__(self):super(U2criterion, self).__init__()def forward(self, inputs, target):losses = [F.binary_cross_entropy_with_logits(inputs[i], target) for i in range(len(inputs))]total_loss = sum(losses)return total_loss

3 网络代码和测试

from typing import Union, List
import torch
import torch.nn as nn
import torch.nn.functional as Fclass ConvBNReLU(nn.Module):def __init__(self, in_ch, out_ch, kernel_size=3, dilation=1):super().__init__()padding = kernel_size // 2 if dilation == 1 else dilation  # 保持图像大小不变self.conv = nn.Sequential(nn.Conv2d(in_ch, out_ch, kernel_size=kernel_size, padding=padding, dilation=dilation, bias=False),  # 因为后面有BN，bias不起作用nn.BatchNorm2d(out_ch),nn.ReLU(inplace=True) )def forward(self, x):return self.conv(x)class DownConvBNReLu(ConvBNReLU):def __init__(self, in_ch, out_ch, kernel_size=3, dilation=1, flag=True):super().__init__(in_ch, out_ch, kernel_size, dilation)self.down_flag = flagdef forward(self, x):if self.down_flag:x = F.max_pool2d(x, kernel_size=2, stride=2, ceil_mode=True)return self.conv(x)class UpConvBNReLU(ConvBNReLU):def __init__(self, in_ch, out_ch, kernel_size=3, dilation=1, flag=True):super().__init__(in_ch, out_ch, kernel_size, dilation)self.up_flag = flagdef forward(self, x1, x2): # x1为下面传入的， x2为左边传入的if self.up_flag:x1 = F.interpolate(x1, size=x2.shape[2:], mode="bilinear", align_corners=False)x = torch.cat([x1, x2], dim=1)return self.conv(x)class RSU(nn.Module):def __init__(self, height, in_ch, mid_ch, out_ch):super().__init__()assert height >= 2self.conv_in = ConvBNReLU(in_ch, out_ch)  # 这个是不算在height上的encode_list = [DownConvBNReLu(out_ch, mid_ch, flag=False)]decode_list = [UpConvBNReLU(mid_ch*2, mid_ch, flag=False)]for i in range(height-2): # 含有上下采样的模块encode_list.append(DownConvBNReLu(mid_ch, mid_ch))decode_list.append(UpConvBNReLU(mid_ch*2, mid_ch if i < height-3 else out_ch)) # 这里最后的decode的输出是out_chencode_list.append(ConvBNReLU(mid_ch, mid_ch, dilation=2))self.encode_modules = nn.ModuleList(encode_list)self.decode_modules = nn.ModuleList(decode_list)def forward(self, x):x_in = self.conv_in(x)x = x_inencode_outputs = []for m in self.encode_modules:x = m(x)encode_outputs.append(x)x = encode_outputs.pop() # 这是移除list最后的一个数据，并且将该数据赋值给x，这里的x是含有空洞卷积的输出for m  in self.decode_modules:x2 = encode_outputs.pop() # 这里是倒数第二深的输出，x表示下面的，x2表示左边的x = m(x, x2)  # 将下面的，和左边的一起传入到上卷积中return x + x_in  # 这里是最上面一层进行相加class RSU4F(nn.Module):def __init__(self, in_ch, mid_ch, out_ch):super().__init__()self.conv_in = ConvBNReLU(in_ch, out_ch)self.encode_modules = nn.ModuleList([ConvBNReLU(out_ch, mid_ch),ConvBNReLU(mid_ch, mid_ch, dilation=2),ConvBNReLU(mid_ch, mid_ch, dilation=4),ConvBNReLU(mid_ch, mid_ch, dilation=8)])self.decode_modules = nn.ModuleList([ConvBNReLU(mid_ch*2, mid_ch, dilation=4),ConvBNReLU(mid_ch*2, mid_ch, dilation=2),ConvBNReLU(mid_ch*2, out_ch)])def forward(self, x):x_in = self.conv_in(x)x = x_inencode_outputs = []for m in self.encode_modules:x = m(x)encode_outputs.append(x)x = encode_outputs.pop()for m in self.decode_modules:x2 = encode_outputs.pop()x = m(torch.cat([x, x2], dim=1))return x+x_inclass U2Net(nn.Module):def __init__(self, cfg, out_ch=1):super().__init__()assert "encode" in cfgassert "decode" in cfgself.encode_num = len(cfg["encode"])encode_list = []side_list = []for c in cfg["encode"]:# [height, in_ch, mid_ch, out_ch, RSU4F, side]assert len(c) == 6encode_list.append(RSU(*c[:4]) if c[4] is False else RSU4F(*c[1:4]))  # 这里的*是将列表解开为单独的数值，这样才能传入到函数中if c[5] is True:side_list.append(nn.Conv2d(c[3], out_ch, kernel_size=3, padding=1))self.encode_modules = nn.ModuleList(encode_list)decode_list = []for c in cfg["decode"]:assert len(c) == 6decode_list.append(RSU(*c[:4]) if  c[4] is False else RSU4F(*c[1:4]))if c[5] is True:side_list.append(nn.Conv2d(c[3], out_ch, kernel_size=3, padding=1))self.decode_modules = nn.ModuleList(decode_list)self.side_modules = nn.ModuleList(side_list)self.out_conv = nn.Conv2d(self.encode_num*out_ch, out_ch, kernel_size=1)  # 这里是针对cat后的结果进行卷积，得到最后的out_ch=1def forward(self, x):_, _, h, w = x.shapeencode_outputs = []for i, m in enumerate(self.encode_modules):x = m(x)encode_outputs.append(x)if i != self.encode_num - 1:  # 除了最后一个encode_block不用下采样，其余每一个block都需要下采样x = F.max_pool2d(x, kernel_size=2, stride=2, ceil_mode=True)x = encode_outputs.pop()decode_outputs = [x]for m in self.decode_modules:x2 = encode_outputs.pop()x = F.interpolate(x, size=x2.shape[2:], mode="bilinear", align_corners=False)x = m(torch.cat([x, x2], dim=1))decode_outputs.insert(0, x) #这里是保证了从上到下的decode层的输出，在列表中的遍历是从0到5side_outputs = []for m in self.side_modules:x = decode_outputs.pop()x = F.interpolate(m(x), size=[h,w], mode="bilinear", align_corners=False)side_outputs.insert(0, x)x = self.out_conv(torch.cat(side_outputs, dim=1))if self.training:   # 在训练的时候，需要将6个输出都拿出来进行loss计算，return [x] + side_outputselse:  # 非训练时，直接sigmoid后的数据return torch.sigmoid(x)# return torch.sigmoid(x)def u2net_full(in_ch=3, out_ch=1):cfg = {# height, in_ch, mid_ch, out_ch, RSU4F, side"encode": [[7, in_ch, 32, 64, False, False],      # En1[6, 64, 32, 128, False, False],    # En2[5, 128, 64, 256, False, False],   # En3[4, 256, 128, 512, False, False],  # En4[4, 512, 256, 512, True, False],   # En5[4, 512, 256, 512, True, True]],   # En6# height, in_ch, mid_ch, out_ch, RSU4F, side"decode": [[4, 1024, 256, 512, True, True],   # De5[4, 1024, 128, 256, False, True],  # De4[5, 512, 64, 128, False, True],    # De3[6, 256, 32, 64, False, True],     # De2[7, 128, 16, 64, False, True]]     # De1}return U2Net(cfg, out_ch)def u2net_lite(in_ch=3, out_ch=1):cfg = {# height, in_ch, mid_ch, out_ch, RSU4F, side"encode": [[7, in_ch, 16, 64, False, False],  # En1[6, 64, 16, 64, False, False],  # En2[5, 64, 16, 64, False, False],  # En3[4, 64, 16, 64, False, False],  # En4[4, 64, 16, 64, True, False],  # En5[4, 64, 16, 64, True, True]],  # En6# height, in_ch, mid_ch, out_ch, RSU4F, side"decode": [[4, 128, 16, 64, True, True],  # De5[4, 128, 16, 64, False, True],  # De4[5, 128, 16, 64, False, True],  # De3[6, 128, 16, 64, False, True],  # De2[7, 128, 16, 64, False, True]]  # De1}return U2Net(cfg, out_ch)# net = u2net_full(1,1)
# x = torch.randn(16,1,256,256)
# net.eval()
# print(net(x))

1. 这里u2net_full指的是完整的U2Net，u2net_lite，指的是轻量级的U2Net，这两个的唯一区别是，模块中的通道数不同；
2. 指定网络的时候，需要指定网络输入通道和输出通道，这里的修改是为了自己使用网络的便利，原始网络中，默认输入通道是3；
3. 轻量级模型的参数是完整性模型参数的1/40；

贴一个网络参数计算代码：

def count_parameters(model):  # 传入的是模型实例对象params = [p.numel() for p in model.parameters() if p.requires_grad]
#     for item in params:
#         print(f'{item:>16}')   # 参数大于16的展示print(f'________\n{sum(params):>16}')  # 大于16的进行统计，可以自行修改

网络测试：


再说一下，霹导写的代码真的很优雅，可以去看霹导的代码讲解和网络结构讲解！！