tensorflow2实现unet, 完成眼底血管分割任务

机器学习AI算法工程

共 2431字,需浏览 5分钟

 ·

2021-05-20 10:35


向AI转型的程序员都关注了这个号👇👇👇

人工智能大数据与深度学习  公众号:datayx


retina-unet

该项目使用U-Net完成眼底血管分割任务, 主要包括以下内容:

  •  视网膜图像预处理(参考orobix/retina-unet)

  •  U-Net模型(tf2)

  •  数据pipeline(tf.data.Dataset)

  •  模型训练与训练过程可视化(distribute)

  •  模型评估与结果可视化


下面是可视化结果, 绿色代表正确分割, 红色代表错误分割, 蓝色代表漏分割.



0 运行环境(主要)

absl-py >= 0.9.0
numpy >= 1.18.5
opencv-python >= 4.5.1.48
scikit-image >= 0.17.2
tensorflow-gpu >= 2.3.0

1 视网膜图像预处理

1.1 数据集

该项目的数据集有两个: DRIVE, CHASEDB. 数据集的具体参数与样例如下.



1.2 数据集准备与预处理

DRIVE和CHASEDB两个数据集的下载地址和提取码: data, 3vnk. 下载数据集并解压后, 运行preprocess.py进行预处理:

python preprocess.py --data_dir {data_dir}

数据集的预处理过程包括4步: 1) 彩色图像转灰度图像; 2) 数据标准化; 3) 直方图均衡化; 4) 伽马变换. 预处理过程的可视化结果如下, 可以发现,预处理可以增强图像的对比度、细节纹理等方面. 而后续实验表明, 预处理可以显著提高分割性能.




    代码 获取方式:

    分享本文到朋友圈

    关注微信公众号 datayx  然后回复 图像分割 即可获取。

    AI项目体验地址 https://loveai.tech


    店铺地址:

    https://shop585613237.taobao.com


2 U-Net模型(tf2)

论文链接: U-Net: Convolutional Networks for Biomedical Image Segmentation

相对论文中的网络结构, 项目中实现的模型进行了以下调整:

  1. 通道数减少为原来的1/2.

  2. 卷积层使用边界填充, 跳跃连接时不用crop.

  3. 上采样可以选择使用转置卷积替代最近邻插值+1x1卷积.

3 模型训练与训练过程可视化

运行train.py训练模型:



训练过程中的训练速度、学习率和模型损失可以通过tensorboard查看:



4 结果评估与可视化

运行evaluate.py评估模型并可视化分割结果:



机器学习算法AI大数据技术

 搜索公众号添加: datanlp

长按图片,识别二维码




阅读过本文的人还看了以下文章:


TensorFlow 2.0深度学习案例实战


基于40万表格数据集TableBank,用MaskRCNN做表格检测


《基于深度学习的自然语言处理》中/英PDF


Deep Learning 中文版初版-周志华团队


【全套视频课】最全的目标检测算法系列讲解,通俗易懂!


《美团机器学习实践》_美团算法团队.pdf


《深度学习入门:基于Python的理论与实现》高清中文PDF+源码


特征提取与图像处理(第二版).pdf


python就业班学习视频,从入门到实战项目


2019最新《PyTorch自然语言处理》英、中文版PDF+源码


《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码


《深度学习之pytorch》pdf+附书源码


PyTorch深度学习快速实战入门《pytorch-handbook》


【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》


《Python数据分析与挖掘实战》PDF+完整源码


汽车行业完整知识图谱项目实战视频(全23课)


李沐大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材


笔记、代码清晰易懂!李航《统计学习方法》最新资源全套!


《神经网络与深度学习》最新2018版中英PDF+源码


将机器学习模型部署为REST API


FashionAI服装属性标签图像识别Top1-5方案分享


重要开源!CNN-RNN-CTC 实现手写汉字识别


yolo3 检测出图像中的不规则汉字


同样是机器学习算法工程师,你的面试为什么过不了?


前海征信大数据算法:风险概率预测


【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类


VGG16迁移学习,实现医学图像识别分类工程项目


特征工程(一)


特征工程(二) :文本数据的展开、过滤和分块


特征工程(三):特征缩放,从词袋到 TF-IDF


特征工程(四): 类别特征


特征工程(五): PCA 降维


特征工程(六): 非线性特征提取和模型堆叠


特征工程(七):图像特征提取和深度学习


如何利用全新的决策树集成级联结构gcForest做特征工程并打分?


Machine Learning Yearning 中文翻译稿


蚂蚁金服2018秋招-算法工程师(共四面)通过


全球AI挑战-场景分类的比赛源码(多模型融合)


斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)


python+flask搭建CNN在线识别手写中文网站


中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程



不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加: datayx  


浏览 60
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报