Unet的Pytorch实现_unet pytorch

最近在开发一个基于Unet的剪枝模型，于是从论文到代码把Unet撸了一遍。本篇是基于Pytorch的Unet开源实现，复现Kaggle上的一个算法竞赛“ Carvana Image Masking Challenge”。

源码地址：https://github.com/milesial/Pytorch-UNet

原始论文地址：U-Net: Convolutional Networks for Biomedical Image Segmentation

1. 网络结构

Unet的提出最开始是为了解决医学图像分割的问题。

Unet的网络结构如下图所示：

从图中可以看出， Unet包含两条路径，左边的为收缩路径（Contracting path），右边的为扩张路径（Expansive path）。

收缩路径遵循典型的卷积神经网络结构，包括两个重复的3x3卷积（no padding），每个卷积后面跟着一个ReLU和一个步长为2的2x2 max pooling，以达到下采样的目的。每个下采样步骤中，将特征通道数增加一倍。

在扩张路径上，每一个步骤包含一个对feature map的上采样，然后是一个2x2的up-convolution，使得通道数减半；接下来是copy and crop，即把收缩路径中相同层的feature map经过裁剪之后拼接在当前层（由于左侧路径中的feature map比右侧对应路径中的feature map要大一些，因此需要crop之后才能做拼接），接着是两个3x3卷积+ReLU。在最后一个层，使用1x1卷积将64元素的特征向量映射到不同的类别。

Unet共有23个卷积层。

2. 开源实现

篇幅限制，本篇先不涉及具体代码，只讲工程操作。

2.1 运行容器

由于服务器上已经安装了比较新版的Docker以及nvidia-docker2，因此直接用Docker运行。通过如下命令运行容器：

sudo docker run --rm --shm-size=8g --ulimit memlock=-1 --gpus all -it milesial/unet

第一次执行以上命令时，由于本地没有 milesial/unet这个docker image，因此会自动从docker hub下载，时间略长一些。另外，如果不想命令行终端关闭的时候容器退出，可以把容器改为后台运行，最好指定一个容器名称，方便后续容器操作，命令行如下：

sudo docker run --rm --shm-size=8g --ulimit memlock=-1 --gpus all --name=unet -itd milesial/unet

2.2 下载数据集

容器运行起来之后，如果需要在容器中进行模型训练，我么需要去下载相应地数据集。本工程中，下载的是Kaggle上的竞赛数据集carvana-image-masking-challenge。执行工程中的脚本进行下载：

bash scripts/download_data.sh

脚本内容如下：

#!/bin/bash
 
if [[ ! -f ~/.kaggle/kaggle.json ]]; then
  echo -n "Kaggle username: "
  read USERNAME
  echo
  echo -n "Kaggle API key: "
  read APIKEY
 
  mkdir -p ~/.kaggle
  echo "{\"username\":\"$USERNAME\",\"key\":\"$APIKEY\"}" > ~/.kaggle/kaggle.json
  chmod 600 ~/.kaggle/kaggle.json
fi
 
pip install kaggle --upgrade
 
kaggle competitions download -c carvana-image-masking-challenge -f train_hq.zip
unzip train_hq.zip
mv train_hq/* data/imgs/
rm -d train_hq
rm train_hq.zip
 
kaggle competitions download -c carvana-image-masking-challenge -f train_masks.zip
unzip train_masks.zip
mv train_masks/* data/masks/
rm -d train_masks
rm train_masks.zip

其中的步骤也可以分开执行。需要注意的是，下载数据需要注册Kaggle账号并拿到API Key，然后需要在Kaggle竞赛界面进行验证和授权，这个我在上一篇博客中有详细介绍：

Ubuntu从Kaggle上下载数据集出现403 - Forbidden

2.3 模型训练

运行训练程序：

python train.py --amp

 正常情况下，执行以上语句后，即开始训练了：

想要修改训练参数，可以参考以下参数说明：

> python train.py -h
usage: train.py [-h] [--epochs E] [--batch-size B] [--learning-rate LR]
                [--load LOAD] [--scale SCALE] [--validation VAL] [--amp]
 
Train the UNet on images and target masks
 
optional arguments:
  -h, --help            show this help message and exit
  --epochs E, -e E      Number of epochs
  --batch-size B, -b B  Batch size
  --learning-rate LR, -l LR
                        Learning rate
  --load LOAD, -f LOAD  Load model from a .pth file
  --scale SCALE, -s SCALE
                        Downscaling factor of the images
  --validation VAL, -v VAL
                        Percent of the data that is used as validation (0-100)
  --amp                 Use mixed precision

训练完成后，默认会在checkpoints路径下保存每个epoch的中间模型。

2.4 预测 

可以用训练出来的模型进行预测。预测默认使用的模型为“MODEL.pth”，可以把上一步保存的模型重命名为“MODEL.pth”，也可以通过-m选项指定一个模型。

预测的参数设置可参考如下说明：

> python predict.py -h
usage: predict.py [-h] [--model FILE] --input INPUT [INPUT ...] 
                  [--output INPUT [INPUT ...]] [--viz] [--no-save]
                  [--mask-threshold MASK_THRESHOLD] [--scale SCALE]
 
Predict masks from input images
 
optional arguments:
  -h, --help            show this help message and exit
  --model FILE, -m FILE
                        Specify the file in which the model is stored
  --input INPUT [INPUT ...], -i INPUT [INPUT ...]
                        Filenames of input images
  --output INPUT [INPUT ...], -o INPUT [INPUT ...]
                        Filenames of output images
  --viz, -v             Visualize the images as they are processed
  --no-save, -n         Do not save the output masks
  --mask-threshold MASK_THRESHOLD, -t MASK_THRESHOLD
                        Minimum probability value to consider a mask pixel white
  --scale SCALE, -s SCALE
                        Scale factor for the input images

在这里，我们就按照默认的模型名称来做测试： 

python predict.py -i test_img.jpg -o output.jpg

 我们来看一下预测结果：