tensorflow2实现unet, 完成眼底血管分割任务

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