Linknet网络结构

LinkNet图像语义分割
像素级的图像语义分割，不仅需要精确，还需要高效（例如：自动驾驶）

具体结构

整体结构

一个输入层+4个编码层+4个解码层+1个输出层

编码层

解码层

创建Linknet模型

思路：编写不同的block在最后输出阶段将其链接

1、编写卷积模块（卷积 + 激活 + BN）

2、编写反卷积模块（反卷积 + 激活 + BN）

3、编码器（4*卷积模块）

4、解码器（卷积模块+反卷积模块+卷积模块）

5、实现整体的网络结构（卷积模型+反卷积模型+解码器+编码器）

卷积模块

class Convblock (nn.Module):def __init__(self, in_channels, out_channels, k_size=3, stride=1, padding=1):super(Convblock, self).__init__()self.conv_relu = nn.Sequential(nn.Conv2d(in_channels, out_channels, kernel_size=k_size,stride=stride,padding=padding),nn.BatchNorm2d(out_channels),nn.ReLU(inplace=True))def forward(self, x):x = self.conv_relu(x)return x

反卷积模块

#反卷积模块
class Deconvblock (nn.Module):def __init__(self,in_channels,out_channels,k_size = 3,stride = 2,padding = 1,output_padding = 1):super(Deconvblock,self).__init__()self.deconv = nn.ConvTranspose2d(in_channels,out_channels,kernel_size=k_size,stride=stride,padding=padding,output_padding=output_padding)self.bn = nn.BatchNorm2d(out_channels)def forward(self,x,is_act = True):x = self.deconv(x)if is_act:x = torch.relu(self.bn(x))return x

编码器

#编码器模块
class Encodeblock (nn.Module):def __init__(self,in_channels,out_channels):super(Encodeblock,self).__init__()self.conv1 = Convblock(in_channels,out_channels,stride=2)self.conv2 = Convblock(out_channels,out_channels)  self.conv3 = Convblock(out_channels,out_channels)self.conv4 = Convblock(out_channels,out_channels)self.short_cut = Convblock(in_channels,out_channels,stride=2)def forward(self,x):out1 = self.conv1(x)out1 = self.conv1(out1)short_cut = self.short_cut(x)out2 = self.conv3(out1+short_cut)out2 = self.conv4(out2)return out2+out1

解码器

#解码器模块
class Encodeblock(nn.Module):def __init__(self, in_channels, out_channels):super(Encodeblock, self).__init__()self.conv1_1 = Convblock(in_channels, out_channels, stride=2)self.conv1_2 = Convblock(out_channels, out_channels)self.conv2_1 = Convblock(out_channels, out_channels)self.conv2_2 = Convblock(out_channels, out_channels)self.shortcut = Convblock(in_channels, out_channels, stride=2)def forward(self, x):out1 = self.conv1_1(x)out1 = self.conv2_1(out1)residue = self.shortcut(x)out2 = self.conv2_1(out1 + residue)out2 = self.conv2_2(out2)return out2 + out1

最终模型的编写（注意每一步的输出，中间有类Resnet结构）

#模型编写
class Net (nn.Module):def __init__(self):super(Net,self).__init__()self.input_conv = Convblock(3,64,k_size=7,stride=2,padding=3)self.input_maxpool = nn.MaxPool2d(kernel_size=(2,2))self.encode1 = Encodeblock(64,64)self.encode2 = Encodeblock(64,128)self.encode3 = Encodeblock(128,256)self.encode4 = Encodeblock(256,512)self.decode4 = Decodeblock(512,256)self.decode3 = Decodeblock(256,128)self.decode2 = Decodeblock(128,64)self.decode1 = Decodeblock(64,64)self.deconv_out1 = Deconvblock(64,32)self.conv_out = Convblock(32,32)self.deconv_out2 = Deconvblock(32,2,k_size=2,padding=0,output_padding=0)def forward(self,x):x = self.input_conv(x)x = self.input_maxpool(x)e1 = self.encode1(x)e2 = self.encode2(e1)e3 = self.encode3(e2)e4 = self.encode4(e3)d4 = self.decode4(e4)d3 = self.decode3(d4+e3)d2 = self.decode2(d3+e2)d1 = self.decode1(d2+e1)f1 = self.deconv_out1(d1)f2 = self.conv_out(f1)f3 = self.deconv_out2(f2)return f3

Linknet网络结构相关推荐

语义分割中的一些模型的分类汇总
语义分割是深度学习中的一个重要应用领域.自Unet提出到现在已经过去了8年,期间有很多创新式的语义分割模型.简单的总结了Unet++.Unet3+.HRNet.LinkNet.PSPNet.DeepL ...
LinkNet 笔记
2019 March 21 linknet LinkNet 笔记一.背景目标检测上中 Fast RCNN,YOLO,SSD 致力于实时的目标检测,但分割任务上实时性的相关工作仍未有所进展. 二.网 ...
LinkNet论文笔记
LinkNet论文笔记 LinkNet: Exploiting Encoder Representations for Efficient Semantic Segmentation Abstract ...
LinkNet:侧重语义分割的速度问题，算法思路类似 U-Net
论文题目: LinkNet: Exploiting Encoder Representations for Efficient Semantic Segmentation 论文作者: Abhishek ...
【E-Net LinkNet】For Efficient
ENet: A Deep Neural Network Architecture for Real-Time Semantic segmentation. LinkNet: Exploiting En ...
Pytorch的网络结构可视化（tensorboardX）（详细）
20210610 if config.test is True:model = load_test_model(model, config)print(model) 打印网络结构版权声明:本文为博主 ...
Yolov3Yolov4网络结构与源码分析
Yolov3&Yolov4网络结构与源码分析从2018年Yolov3年提出的两年后,在原作者声名放弃更新Yolo算法后,俄罗斯的Alexey大神扛起了Yolov4的大旗. 文章目录论文汇总 ...
机器学习入门（15）— 全连接层与卷积层的区别、卷积神经网络结构、卷积运算、填充、卷积步幅、三维数据卷积、多维卷积核运算以及批处理
卷积神经网络(Convolutional Neural Network,CNN)CNN 被用于图像识别.语音识别等各种场合,在图像识别的比赛中,基于深度学习的方法几乎都以 CNN 为基础. 1. 全连 ...
mxnet deepspeech网络结构打印
采用示例https://github.com/apache/incubator-mxnet/tree/master/example/speech_recognition 训练命令为 python ma ...

Linknet网络结构

Linknet网络结构

具体结构

整体结构

编码层

解码层

创建Linknet模型

卷积模块

反卷积模块

编码器

解码器

Linknet网络结构相关推荐

最新文章

热门文章