Unet
论文
U-Net: Convolutional Networks for Biomedical Image Segmentation
模型结构
UNet是一种用于图像分割的卷积神经网络（CNN）架构，该模型整体为U型结构。
算法原理
U-Net 的核心原理如下：
- 编码器（Contracting Path）：U-Net 的编码器由卷积层和池化层组成，用于捕捉图像的特征信息并逐渐减小分辨率。这一部分的任务是将输入图像缩小到一个低分辨率的特征图，同时保留有关图像内容的关键特征。
- 中间层（Bottleneck）：在编码器和解码器之间，U-Net 包括一个中间层，通常由卷积层组成，用于进一步提取特征信息。
- 解码器（Expansive Path）：U-Net 的解码器包括上采样层和卷积层，用于将特征图恢复到原始输入图像的分辨率。解码器的任务是将高级特征与低级特征相结合，以便生成分割结果。这一部分的结构与编码器相对称。
环境配置
Docker（方法一）
拉取镜像：
docker pull image.sourcefind.cn:5000/dcu/admin/base/migraphx:4.3.0-ubuntu20.04-dtk24.04.1-py3.10
创建并启动容器：
docker run --shm-size 16g --network=host --name=unet_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/unet_migraphx:/home/unet_migraphx -v /opt/hyhal:/opt/hyhal:ro -it <Your Image ID> /bin/bash
# 激活dtk
source /opt/dtk/env.sh
Dockerfile（方法二）
cd ./docker
docker build --no-cache -t unet_migraphx:2.0 .
docker run --shm-size 16g --network=host --name=unet_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/unet_migraphx:/home/unet_migraphx -v /opt/hyhal:/opt/hyhal:ro -it <Your Image ID> /bin/bash
# 激活dtk
source /opt/dtk/env.sh
数据集
根据提供的样本数据，进行图像分割。
推理
Python版本推理
下面介绍如何运行python代码示例，Python示例的详细说明见Doc目录下的Tutorial_Python.md。
设置环境变量
export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
运行示例
# 进入unet migraphx工程根目录
cd <path_to_unet_migraphx>
# 进入示例程序目录
cd Python/
# 安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 运行示例
python Unet.py
C++版本推理
注意：当使用操作系统不一样时，CMakeList需要做相应的修改：
# ubuntu操作系统
${CMAKE_CURRENT_SOURCE_DIR}/depend/lib64/ 修改为 ${CMAKE_CURRENT_SOURCE_DIR}/depend/lib/
# centos操作系统
${CMAKE_CURRENT_SOURCE_DIR}/depend/lib/ 修改为 ${CMAKE_CURRENT_SOURCE_DIR}/depend/lib64/
下面介绍如何运行C++代码示例，C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。
安装Opencv依赖
cd <path_to_unet_migraphx>
sh ./3rdParty/InstallOpenCVDependences.sh
安装OpenCV并构建工程
rbuild build -d depend
设置环境变量
将依赖库依赖加入环境变量LD_LIBRARY_PATH，在~/.bashrc中添加如下语句：
当操作系统是ubuntu系统时：
export LD_LIBRARY_PATH=<path_to_yolov3_migraphx>/depend/lib/:$LD_LIBRARY_PATH
当操作系统是centos系统时：
export LD_LIBRARY_PATH=<path_to_unet_migraphx>/depend/lib64/:$LD_LIBRARY_PATH
然后执行:
source ~/.bashrc
运行示例
# 进入unet migraphx工程根目录
cd <path_to_unet_migraphx>
# 进入build目录
cd build/
# 执行示例程序
./Unet
result
Python版本
python程序运行结束后，会在当前目录中生成分割图像。
C++版本
C++程序运行结束后，会在build目录生成分割图像。
精度
无
应用场景
算法类别
图像分割
热点应用行业
制造,交通,医疗
源码仓库及问题反馈
ModelZoo / Unet_migraphx · GitLab
参考资料
https://github.com/ROCmSoftwarePlatform/AMDMIGraphX/tree/develop/examples/vision/python_unet