---

前言

U-net论文地址：U-net论文
参考的一个还不错的开源项目地址：U-net开源项目地址
参考视频：视频1
视频2

一、U-net网络结构复现（上采样部分采用转置卷积nn.ConvTranspose2d）

1.1、整体结构介绍

首先我们看看论文里面的网络结构：

U-net网络是典型的encoder-decoder，整个呈U字形
1）左边的网络，随着不断向下，宽高减小，通道数增加
2）右边的网络，随着不断向上，宽高变大，通道数减少，最后恢复到和原来差不多的形状
3）最后输出的通道数是需要分类的个数
4）网络里使用的都是3X3卷积，如果想使得最后的输出图和原图宽高一致，可以使用311卷积（卷积核大小为3，步长1，扩充1）
5）灰色的线一共有4根，指的是“特征融合”，即两次卷积后生成的特征图与箭头指向的特征图进行torch.cat（）操作，在通道维度进行拼接（dim=1,因为图片输入的维度为4，通道维数正好为1，b,c,h,w：0，1，2，3）
6) 右边decoder结构中，对宽高进行增大恢复的操作有两种：上采样nn.Upsample和转置卷积nn.ConvTranspose2d。在开源项目中，两种对应的方法代码是不一样的，解下来的部分我们首先讨论转置卷积nn.ConvTranspose2d进行扩大。

1.2、encoder部分实现（左边网络部分）

左边的网洛其实和VGG16比较类似，接下来我们具体看一下每部分的构造：

1）上图中，黄色框里为连续两次的311卷积（当然弄310卷积也可），我们可以定义为如下代码：

#搭建双倍卷积块
class doubleconv(nn.Module):
    def __init__(self,in_channels,out_channels):
        super(doubleconv,self).__init__()

        self.conv2=nn.Sequential(
            nn.Conv2d(in_channels,out_channels,3,1,1,bias=False),
            nn.BatchNorm2d(out_channels),
            nn.ReLU(inplace=True),
            nn.Conv2d(out_channels, out_channels, 3, 1, 1,bias=False),
            nn.BatchNorm2d(out_channels),
            nn.ReLU(inplace=True),
        )
    def forward(self, x):
        return self.conv2(x)  #更加简洁

这种打黄色的部分在左边网络中出现了5次，右边的网络出现了4次
2）这种双倍卷积块，加上一个向下2倍池化，就可以合成我们红色框里的内容了：

#搭建下采样模块(里面包含了双倍卷积块)
class down(nn.Module):
    def __init__(self,in_channels,out_channels):
        super(down, self).__init__()
        self.pool_conv2=nn.Sequential(
            nn.MaxPool2d(2),
            doubleconv(in_channels,out_channels)
        )
    def forward(self,x):
        x=self.pool_conv2(x)
        return x

1.3、decoder部分实现（右边网络部分）

3）再看右边的网络，一个向上的311转置卷积，再来一个双倍卷积块，就能合成紫色框里的内容了：

#搭建上采样模块(里面包含了双倍卷积块)
class up(nn.Module):
    def __init__(self,in_channels,out_channels):
        super(up, self).__init__()
        self.up = nn.ConvTranspose2d(in_channels, in_channels // 2, kernel_size=2, stride=2)
        self.conv = doubleconv(in_channels, out_channels)

    def forward(self,x1,x2):
        x1=self.up(x1)
        diffY = x2.size()[2] - x1.size()[2]
        diffX = x2.size()[3] - x1.size()[3]

        x1 = F.pad(x1, [diffX // 2, diffX - diffX // 2,
                        diffY // 2, diffY - diffY // 2])
        x = torch.cat([x2, x1], dim=1)
        x=self.conv(x)
        return x

好了，这部分的代码是有点绕的，突然多了很多看不懂的东西出来，我们一步步看：
首先是

        self.up = nn.ConvTranspose2d(in_channels, in_channels // 2, kernel_size=2, stride=2)
        self.conv = doubleconv(in_channels, out_channels)

明明这里前面nn.ConvTranspose2dd(in_channels, in_channels // 2, kernel_size=2, stride=2)已经将通道数减半了，为什么后面使用双倍卷积块时，初始的通道块依然是in_channels呢？
我们看看现场图，以最下面的灰色箭头为例子吧：

绿色的箭头正是nn.ConvTranspose2d(in_channels, in_channels // 2, kernel_size=2, stride=2)，转置卷积完成之后生成的特征图，会和之前左边网络的特征图发生特征融合，正是因为这个原因，特征图的通道数翻倍了，所以才会出现self.conv = doubleconv(in_channels, out_channels)里初始通道数依然是in_channels的情况。

然后是

        diffY = x2.size()[2] - x1.size()[2]
        diffX = x2.size()[3] - x1.size()[3]

        x1 = F.pad(x1, [diffX // 2, diffX - diffX // 2,
                        diffY // 2, diffY - diffY // 2])

为何会无缘无故有这一步操作呢？：
我们再回到案发现场：

注意看我打红色圈的部分，这是两个进行特征融合的特征图宽高，一个是64X64，一个是56X56。正常情况下这肯定是无法融合的（有关特征图的融合具体可以参考我之前的博客：特征融合的方法），需要对特征图进行一定裁剪；同时左边网络是向下16倍采样，56不能被16整除，为防止后续计算出现问题，我们需要将56X56的特征图进行一定操作变成64X64 ,这段代码的作用的就是这样的。

我们在实操一下代码就知道了”：

import torch
import torch.nn.functional as F

x1=torch.rand(1,512,56,56)
x2=torch.rand(1,512,64,64)
diffY = x2.size()[2] - x1.size()[2]
diffX = x2.size()[3] - x1.size()[3]
print(x2.size()[2])
print(x1.size()[2])
print(x2.size()[3])
print(x1.size()[3])
print(diffX)
print(diffY)

x1 = F.pad(x1, [diffX // 2, diffX - diffX // 2,
                diffY // 2, diffY - diffY // 2])
print(x1.shape)
x = torch.cat([x2, x1], dim=1)
print(x.shape)

融合完成后，最后通道数翻倍了，宽高为64X64

4）在网络的最后，有一个1X1卷积块，用以调整最后的特征图的输出通道数

class outconv(nn.Module):
    def __init__(self,in_channels, out_channels):
        super(outconv, self).__init__()
        self.outconv=nn.Conv2d(in_channels, out_channels,1)
    def forward(self,x):
        return self.outconv(x)

1X1卷积块不改变宽高，只改变通道数。

1.4、整个网络搭建

之前的模块搭建完毕后，即可完成最后网络的搭建：

class UNet(nn.Module):
    def __init__(self, n_channels, n_classes):
        super(UNet, self).__init__()

        self.inc = doubleconv(n_channels, 64)
        self.down1 = down(64, 128)
        self.down2 = down(128, 256)
        self.down3 = down(256, 512)

        self.down4 = down(512, 1024 )
        self.up1 = up(1024, 512)
        self.up2 = up(512, 256)
        self.up3 = up(256, 128)
        self.up4 = up(128, 64)
        self.outc = outconv(64, n_classes)

    def forward(self, x):
        x1 = self.inc(x)
        x2 = self.down1(x1)
        x3 = self.down2(x2)
        x4 = self.down3(x3)
        x5 = self.down4(x4)
        x = self.up1(x5, x4)
        x = self.up2(x, x3)
        x = self.up3(x, x2)
        x = self.up4(x, x1)
        out = self.outc(x)
        return out

其中n_channels是输入图片的通道数，一般我们就为3，最后n_classes为需要分类的数量，也就是最后输出的通道数。
特征融合一共进行了四次，发生在如下代码处：

        x = self.up1(x5, x4)
        x = self.up2(x, x3)
        x = self.up3(x, x2)
        x = self.up4(x, x1)

我们实例化网络验证一下，假设输入的图像为3通道的572X572图像，我们最后分类的个数为2：

unet=UNet(3,2)
A =torch.rand(1,3,572,572)
B=unet(A)
print(B.shape)

最后输出的形状为

当然因为我们这里使用的是311卷积，和论文里的输出特征图有一定区别（文章里的特征图宽高不断-2，应该使用的是310卷积块）

二、U-net网络结构复现（上采样部分采用上采样nn.Upsample）

这个下次来写，要赶回去洗头了。