[python-Unet] コンピューター ビジョン ~ 舌 舌の画像セグメンテーション ~ 機械学習

1 はじめに

舌のセグメンテーションは、舌の診断と検出の基礎であり、舌を正確にセグメンテーションすることによってのみ、その後のトレーニングと予測の精度を確保できます。この部分の実際のタスクは、ユーザーがアップロードした画像で舌に属する正確なピクセルを見つけることです。舌セグメンテーションは、生物医学画像セグメンテーションの分野に属します。分割効果は次のとおりです。

2 データセットの紹介

舌画像データセットには、元の舌画像とセグメント化された 2 値画像が含まれており、合計 979 枚*2 枚の画像が含まれています。サンプル画像は次のとおりです。

データセット＋ソースコード取得方法：
Xianyuリンク

【闲鱼】https://m.tb.cn/h.Ud0AYdZ?tk=40LV2COORtc CZ0001 「我在闲鱼发布了【舌象图片数据集 舌头图片数据集 舌头图片分割标注完成的数据集】」
点击链接直接打开

3 モデル紹介

U-Net は優れたセマンティック セグメンテーション モデルであり、Zhong-e 診断における U-Net の 3 つの部分、すなわち、主要な特徴抽出部分、強化された特徴抽出部分、および予測部分があります。主特徴抽出部分を使用して 5 つの予備的な有効特徴レイヤーを取得し、拡張特徴抽出部分を使用して、上記で取得した 5 つの有効特徴レイヤーをアップサンプリングし、特徴融合を実行します。最後に、すべての特徴を組み合わせた有効特徴レイヤーが取得され、最終的な有効特徴レイヤーを使用してピクセルを予測し、舌に属するピクセルを見つけます。特定の操作の詳細を次の図に示します。

ラベル付けの後、PyTorch フレームワークを使用して U-Net モデルが構築され、舌画像の特徴がキャプチャされ、舌画像のラベルが予測されました。モデルを評価するために、各反復の平均損失率がトレーニング中に計算されます。画像ごとの最終的な損失は約 2% です。具体的な平均損失率の変化は次のとおりです。

トレーニングは 4 日間続き、合計 979 個のラベル付き画像が使用され、最終的な平均予測損失率は約 2% でした。このモデルは、舌のセグメンテーションの効果が非常に理想的であると予測しています. これは、損失率が 40% であり、損失率が 2% である場合のセグメンテーション結果の例です. 例を次の図に示します:
(1) セグメンテーション損失率40%の場合の結果 図

(2)損失率2%の場合のセグメンテーション結果

モデルの予測結果より、舌に属するピクセルをマッチングして抽出し、舌に属さない部分を抽出します。最終的な舌セグメンテーション効果は次のとおりです。

4 コード実装の詳細

4.1 関連文書の紹介

notedata フォルダーにセグメンテーションと注釈の画像、ordata フォルダーに元の画像、params フォルダーにトレーニング モデル ファイル、結果フォルダーにテスト サンプル画像、train_image フォルダーにトレーニング プロセス画像があります。

4.2 ユーティリティ.py

ツール クラス: データセット内の各画像のサイズが異なるため、フォローアップ作業をスムーズに進めるために、ツール クラスをここで定義して、画像を 256*256 にスケーリングする必要があります (次のように変更できます)。あなた自身のニーズ）。

from PIL import Image

def keep_image_size_open(path, size=(256, 256)):
    img = Image.open(path)
    temp = max(img.size)
    mask = Image.new('RGB', (temp, temp), (0,0,0))
    mask.paste(img, (0,0))
    mask = mask.resize(size)
    return mask

4.3 データ.py

ここでの主な目的は、データセット内のラベル画像を元の画像と一致させてマージすることです〜特定の手順については、コード コメントに詳細な説明があります。

import os
from torch.utils.data import Dataset
from utils import *
from torchvision import transforms
transform = transforms.Compose([
    transforms.ToTensor()
    ])

class MyDataset(Dataset):
    def __init__(self, path):   #拿到标签文件夹中图片的名字
        self.path = path
        self.name = os.listdir(os.path.join(path, 'notedata'))
        
    def __len__(self):          #计算标签文件中文件名的数量
        return len(self.name)
    
    def __getitem__(self, index):   #将标签文件夹中的文件名在原图文件夹中进行匹配（由于标签是png的格式而原图是jpg所以需要进行一个转化）
        segment_name = self.name[index] #XX.png
        segment_path = os.path.join(self.path, 'notedata', segment_name)
        image_path = os.path.join(self.path, 'ordata', segment_name.replace('png', 'jpg')) #png与jpg进行转化
        
        segment_image = keep_image_size_open(segment_path)  #等比例缩放
        image = keep_image_size_open(image_path)            #等比例缩放
        
        return transform(image), transform(segment_image)

if __name__ == "__main__":
    data = MyDataset("E:/ITEM_TIME/project/UNET/")
    print(data[0][0].shape)
    print(data[0][1].shape)

データセットが正則化されていることがわかります。

4.4 net.py

Unetネットワークの書き込み！

from torch import nn
import torch
from torch.nn import functional as F


class Conv_Block(nn.Module):   #卷积
    def __init__(self, in_channel, out_channel):
        super(Conv_Block, self).__init__()
        self.layer = nn.Sequential(
            nn.Conv2d(in_channel, out_channel, 3, 1, 1, padding_mode='reflect', 
                      bias=False),
            nn.BatchNorm2d(out_channel),
            nn.Dropout2d(0.3),
            nn.LeakyReLU(),
            nn.Conv2d(out_channel, out_channel, 3, 1, 1, padding_mode='reflect', 
                      bias=False),
            nn.BatchNorm2d(out_channel),
            nn.Dropout2d(0.3),
            nn.LeakyReLU()
            )
        
    def forward(self, x):
        return self.layer(x)
    
    
class DownSample(nn.Module):    #下采样
    def __init__(self, channel):
        super(DownSample, self).__init__()
        self.layer = nn.Sequential(
            nn.Conv2d(channel, channel,3,2,1,padding_mode='reflect',
                      bias=False),
            nn.BatchNorm2d(channel),
            nn.LeakyReLU()
            
            )
        
    def forward(self,x):
        return self.layer(x)
    
    
class UpSample(nn.Module):   #上采样（最邻近插值法）
    def __init__(self, channel):
        super(UpSample, self).__init__()
        self.layer = nn.Conv2d(channel, channel//2,1,1)
        
    def forward(self,x, feature_map):
        up = F.interpolate(x, scale_factor=2, mode='nearest')
        out = self.layer(up)
        return torch.cat((out,feature_map),dim=1)
    
    
class UNet(nn.Module):
    def __init__(self):
        super(UNet, self).__init__()
        self.c1=Conv_Block(3,64)
        self.d1=DownSample(64)
        self.c2=Conv_Block(64, 128)
        self.d2=DownSample(128)
        self.c3=Conv_Block(128,256)
        self.d3=DownSample(256)
        self.c4=Conv_Block(256,512)
        self.d4=DownSample(512)
        self.c5=Conv_Block(512,1024)
        self.u1=UpSample(1024)
        self.c6=Conv_Block(1024,512)
        self.u2=UpSample(512)
        self.c7=Conv_Block(512,256)
        self.u3=UpSample(256)
        self.c8=Conv_Block(256,128)
        self.u4=UpSample(128)
        self.c9=Conv_Block(128,64)
        
        self.out = nn.Conv2d(64,3,3,1,1)
        self.Th = nn.Sigmoid()

       
        
    def forward(self,x):
        R1 = self.c1(x)
        R2 = self.c2(self.d1(R1))
        R3 = self.c3(self.d2(R2))
        R4 = self.c4(self.d3(R3))
        R5 = self.c5(self.d4(R4))
        
        O1 = self.c6(self.u1(R5,R4))
        O2 = self.c7(self.u2(O1,R3))
        O3 = self.c8(self.u3(O2,R2))
        O4 = self.c9(self.u4(O3,R1))
        
        return self.Th(self.out(O4))
    
if __name__ == "__main__":
    x = torch.randn(2, 3, 256, 256)
    net  = UNet()
    print(net(x).shape)
         

結果の一致は問題がないことを示しています〜

4.5 train.py

トレーニングコード〜

from torch import nn
from torch import optim
import torch
from data import *
from net import *
from torchvision.utils import save_image
from torch.utils.data import DataLoader

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
weight_path = 'params/unet.pth'
data_path = 'E:/ITEM_TIME/project/UNET/'
save_path = 'train_image'

if __name__ == "__main__":
    
    dic = []###
    
    data_loader = DataLoader(MyDataset(data_path),batch_size=3,shuffle=True)  #batch_size用3/4都可以看电脑性能
    net = UNet().to(device)
    if os.path.exists(weight_path):
        net.load_state_dict(torch.load(weight_path))
        print('success load weight')
    else:
        print('not success load weight')
        
    opt = optim.Adam(net.parameters())
    loss_fun = nn.BCELoss()
    
    epoch = 1
    while True:
        avg = []###
        for i, (image,segment_image) in enumerate(data_loader):
            image,segment_image = image.to(device),segment_image.to(device)
            
            out_image = net(image)
            train_loss = loss_fun(out_image, segment_image)
            
            opt.zero_grad()
            train_loss.backward()
            opt.step()
            
            if i%5 == 0:
                print('{}-{}-train_loss===>>{}'.format(epoch,i,train_loss.item()))
                
            if i%50 == 0:
                torch.save(net.state_dict(), weight_path)
            #为方便看效果将原图、标签图、训练图进行拼接
            _image = image[0]
            _segment_image = segment_image[0]
            _out_image = out_image[0]
            
            img = torch.stack([_image,_segment_image,_out_image],dim=0)
            save_image(img, f'{save_path}/{i}.jpg')
            
            avg.append(float(train_loss.item()))###
            
        
        
        loss_avg = sum(avg)/len(avg)
        
        dic.append(loss_avg)
        
        epoch += 1
    print(dic)
    

コードが正常に実行されていることがわかります。上記の損失率は 4 日間のトレーニング後の効果です。最初は非常に悪いに違いありません。忍耐が必要です。

4.6 テスト.py

画像をインテリジェントにセグメント化するコードをテストしてください~

from net import *
from utils import keep_image_size_open
import os
import torch
from data import *
from torchvision.utils import save_image
from PIL import Image
import numpy as np

net = UNet().cpu()  #或者放在cuda上

weights = 'params/unet.pth'  #导入网络

if os.path.exists(weights):
    net.load_state_dict(torch.load(weights))
    print('success')
else:
    print('no loading')
    
_input = 'xxxx.jpg'  #导入测试图片

img = keep_image_size_open(_input)


img_data = transform(img)
print(img_data.shape)

img_data = torch.unsqueeze(img_data, dim=0)

print(img_data)
out = net(img_data)

save_image(out, 'result/result.jpg')
save_image(img_data, 'result/orininal.jpg')

print(out)

#E:\ITEM_TIME\UNET\ordata\4292.jpg

img_after = Image.open(r"result\result.jpg")
img_before = Image.open(r"result\orininal.jpg")
#img.show()
img_after_array = np.array(img_after)#把图像转成数组格式img = np.asarray(image)
img_before_array = np.array(img_before)

shape_after = img_after_array.shape
shape_before = img_before_array.shape

print(shape_after,shape_before)

#将分隔好的图片进行对应像素点还原,即将黑白分隔图转化为有颜色的提取图

if shape_after == shape_before:
    height = shape_after[0]
    width = shape_after[1]
    dst = np.zeros((height,width,3))
    for h in range(0,height):
        for w in range (0,width):
            (b1,g1,r1) = img_after_array[h,w]
            (b2,g2,r2) = img_before_array[h,w]
            
            if (b1, g1, r1) <= (90, 90, 90): 
                img_before_array[h, w] = (144,238,144) 
            dst[h,w] = img_before_array[h,w]
    img2 = Image.fromarray(np.uint8(dst))
    img2.save(r"result\blend.png","png")

else:
    print("失败！")

結果表示：
(1)元画像(orininal.jpg)：(

2)モデルセグメンテーション画像(result.jpg)：(

3)対応画素復元画像(blend.png)：(2)の画像は白い部分が元の画像のピクセルで塗りつぶされ、黒い部分は緑で塗りつぶされます

この時点で、舌体のセグメンテーションは完了です。