pytorch复现语义分割U²-Net，附预训练模型
共 2074字，需浏览 5分钟
·
2020-10-01 21:35
向AI转型的程序员都关注了这个号???
机器学习AI算法工程 公众号：datayx
U²-Net在Reddit、Twitter火爆一时，号称2020年最强的静态背景分割算法，下图展示了U²-Net与其他方法的性能对比：
提出的ReSidual U-blocks (RSU)中混合了不同大小的感受场，能够从不同的尺度捕捉更多的上下文信息； 在不显著增加计算代价的情况下，增加了整个体系结构的深度； 从头开始训练深度网络，无需使用图像分类任务中的Backbone。
U2-Net是一种为SOD设计的两级嵌套的U型结构网络； 在底层设计了一种新的ReSidual U-blocks (RSU)，它能够在不降低特征图分辨率的情况下提取多尺度特征； 在顶层设计了一种类似U-Net的结构，其中每一级都由RSU块填充。
从这个结构大家应该可以看到，这有点Transformer的思想啊！通过堆叠更多的sequence2sequence （在这里是encodeer和decoder）来获取尽可能多的语义信息。
从网络结构里面我们能学习到一些比较有意思的思想：
堆叠work的block来暴力获取更大的gain；
使用大的空洞卷积因子来获取更大的感受野，整体的视觉信息更加丰富；
通过不同level的输出来fuse最终的输出。
其实同样的idea也可以用在目标检测，实例分割等方面。。只是看你有没有足够的运气在有限的时间内找到一个work的方法。
代码及运行教程 获取：
关注微信公众号 datayx 然后回复 u2 即可获取。
AI项目体验地址 https://loveai.tech
u2net的应用
我们自始至终都倡导学以致用，即便是最fancy的模型，我们也会挖掘它的应用点。对于这个模型来说，毫无疑问，用来去除背景是最好的应用。
来在一些范例的图片上看看效果,：
应用于抠图
阅读过本文的人还看了以下文章：
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
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
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》
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
【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
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
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
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
机大数据技术与机器学习工程
搜索公众号添加： datanlp
长按图片，识别二维码