U-net:运行你的第一个U-net进行图像分割

Unet进行图像分割

注意:本文运行环境为:python3.5、tensorflow 1.4.0

文章目录

  • Unet进行图像分割
    • 数据准备
    • 程序准备
    • 运行网络
    • 测试结果如下
    • 参考

数据准备

  • 原始数据:首先准备数据,参考数据来自于 ISBI 挑战的数据集。数据可以在 这里 下载到,含30张训练图、30张对应的标签。30张测试图片,均为.tif 格式文件。
  • 增强后的数据 :谷歌云盘

以上数据二选一就行

程序准备

程序地址:这里
程序含有2个文件,一个文件为data.py :该文件是用来将训练数据转化为.npy 格式文件,便于网络使用数据。当然还有其他功能如数据增强等,程序中已经进行了解释。另外一个文件:unet.py :该文件为unet网络结构定义与测试代码。

  • 运行前的文件夹结构
--deform
		train
			train
				0.tif
				1.tif
				...
			label
				0.tif
				1.tif
				...
--my_test
		data.py
		unet.py
--npydata

--results

--test
		test
			0.tif
			1.tif
			...
		0.tif
		1.tif
		...

运行网络

  • 首先 :运行data.py :运行后会生成三个.npy文件 :
    imgs_mask_train.npy :训练图片标签
    imgs_train.npy : 训练图片
    imgs_test.npy : 测试图片。注意这个测试图片是最后你要测试的图片,而非训练中测试准确率的图片,测试准确率的图片和训练图片是在一起的,训练的时候会将训练图片分配一部分用于测试准确率等。
  • 其次 :运行 unet.py :你需要修改的地方为第154
model.fit(imgs_train, imgs_mask_train, batch_size=2, nb_epoch=10, verbose=1,validation_split=0.2, shuffle=True, callbacks=[model_checkpoint])

batch_size 根据你的设备来修改,即每次输入几张图片,建议2~4张。
nb_epoch=10 是训练多少次,一般20~50次。如果就30张图片的话,训练很快,几分钟就好了。

  • 最后test 文件夹下的图片的测试结果放在了results 文件夹下。

  • 另外 :如果你在训练完后想再测试几张图片的话,直接将154行注释掉就行,再次运行unet.py :就会进行测试你放在test 文件夹下的图片,结果就会保存再results 文件夹下。

测试结果如下

1、纯粹用原始的30张进行训练的结果,大约87%的准确率
U-net:运行你的第一个U-net进行图像分割_第1张图片
2、用数据增强后的处理效果
U-net:运行你的第一个U-net进行图像分割_第2张图片

  • 欢迎留言交流

参考

  • 全卷机神经网络图像分割(U-net)
  • ISBI
  • Keras
  • 本文涉及的Github 源码

你可能感兴趣的:(Unet)