【语义分割】ST_Unet论文逐步代码解读

文章目录

一、代码整体解读

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UAEkMEUl-1678889964762)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310143528765.png)]$

主要工程文件为这5个

分别作用为：

构造相应的deform 卷积
DCNN的残差网络
编写相应的配置文件，可以改变相应参数
模型的主函数和主框架
模型的连接部分

二、辅助Decode代码框架

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xB9iqcKa-1678889964763)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310145258457.png)]$

代码框架由3部分组成，encode，decode和decode中将图像还原成语义分割预测图

Transformer(config, img_size) 组成编码部分，包含主编码的DCNN和辅助的transformer
DecoderCup(config)组成解码部分，图像还原为[N,64,128,128]
SegmentationHead将图像变成6分类的[N,6,256,256]的图像

2.1 混合transformer和cnn的模型

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-C1JDIQD6-1678889964763)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310150618037.png)]$

整体思路是这样的，decode一共分为4个阶段

主要用空的数组来保存每一个阶段的输出值，与DCNN在每一个阶段通过RAM进行连接

在class TransResNetV2(nn.Module)函数中进行相应的具体编写

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fFrLblTw-1678889964763)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310152428267.png)]$

相应的RAM操作示意图

An和Sn分别表示第n阶段主编码器和辅助编码器的输出

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Ua68cdLE-1678889964764)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310152957811.png)]$

一共组成分为4部分，将每一层都进行相应的整合，最后放在数组里面

2.2 Swin transformer 部分

将读入的数据进行打平操作

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OYQ7SY3i-1678889964764)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310154540561.png)]$

embeddings(trans_x)

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Y41JX67e-1678889964764)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310161441181.png)]$

这部分操作的一般情况下的Swin transformer一样，同样满足（2，2，6，2）的层数结构，只不过是，加入了相应的残差结构，经过了扁平化操作后的数据类型为[12, 4096, 96]

具体的transformer操作在这部分进行

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3uO7glYk-1678889964764)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310161944441.png)]$

在这个函数中主要是transformer块和SIM的残差组合

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VWJFuFdd-1678889964765)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310163215108.png)]$

在这步之后，x就可以就是组成的tranform块输出的格式，其中是由shift_size来进行判断是W-MSA，还是SW-MSA，来进行的窗口移动，还是就单纯的结构的划分

shift_size=0if(i %2==0)else window_size //2,# 判断是不是SW_MSA

起了决定性的判断作用

这段代码进行执行4次，将每次执行的结果进行保存

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-X8GyKSQg-1678889964765)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310170340544.png)]$

2.3 FCM 部分

if(i_layer < self.num_layers -1):
    trans_x = self.Down_features[i_layer](trans_x)

在每一个Swin transformer阶段都进行了下采样，除了最后一个阶段

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4UiGLHwU-1678889964765)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310172543159.png)]$

结构示意图

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hp318ekr-1678889964766)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310172916320.png)]$

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5qY2UKUs-1678889964766)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310173458842.png)]$

整体的代码逻辑都是按照这个思路来的，来进行的整合和结合

三、主Decode代码框架

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-p157EjKs-1678889964766)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310174011667.png)]$

首先进行的是root函数，主打的是一个对图片进行预先处理

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JhTJnNgQ-1678889964766)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310190150355.png)]$

对图片进行相应的变形，主要还是三步走的对策，卷积，归一，relu。进行DCNN卷积网络时基本都是这样进行的

3.1 基本卷积模块

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bNtANlad-1678889964766)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310190743797.png)]$

将这两个归为一个操作，body里面是几个卷积的模块config.resnet.num_layers = (3, 4, 6, 3)组成的，重复的次数由设定好的值来进行重复

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DgRpAOxk-1678889964767)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310191345796.png)]$

PreActBottleneck(nn.Module) 里面的值就是很单纯的DCNN的卷积网络的堆积

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Zc9qXqRd-1678889964767)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310191640918.png)]$

在这里DCN加了一个， DeformConv2d，这个函数是自己编写的，一个可变形的卷积操作，其实他本质上和普通的卷积操作一样

后面也是相同的操作，通过RAM模块将相应的结果组合在一起

3.2 RAM

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pvpyR3hG-1678889964767)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310211839414.png)]$

输入分为了主编码器和辅助编码器，总共的结合组成为3种，将不同变化的进行拼接

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OPLAKkjh-1678889964767)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310212655800.png)]$

相应参数:

x 原始参数
short 经过了注意力通道
s1 tranformer辅助通道过来的数据

3.3 输出参数

输出参数值主要分为两类：

结合所有参数的X [N, 32, 256, 256]
每个阶段提取出来的特征数据features

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9rD0FkJk-1678889964768)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310213311694.png)]$

将这两个数据进行带入Encode，进行解码，可以逐步还原成原始图像

四、Encode代码

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nVjVVQLc-1678889964768)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310213517652.png)]$

代码主要分为两步来实现：

x 的卷积上采样
x与skip的融合后，进行相应的卷积操作

skip是每个特征层的进过RAM后的保存数据，所有的融合卷积操作在block中完成

4.1 block函数解析

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ksA8GBvs-1678889964768)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310233943010.png)]$

在连接阶段主要是conv1和conv2，这两个函数，进行上采样来保存维度一致，使他可以cat在一起 conv3和conv4在连接完成后，进行相应的上采样环节来使图像还原成原来的[n, 6, 256, 256]

4.2 上采样还原

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vdcEgMW9-1678889964768)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20230310235005427.png)]$

这部分代码将这里独立出去了

在这里x的输入参数应该是（N，16，256，256）

在进行了一次卷积和上采用后，就恢复成了原始图像

标签：深度学习计算机视觉人工智能

本文转载自: https://blog.csdn.net/W_zyth/article/details/129571354
版权归原作者 川川子溢 所有，如有侵权，请联系我们删除。

【语义分割】ST_Unet论文逐步代码解读