پیاده سازی مقاله معماری مدل UNet با Keras

مقدمه

سلام، امیدوارم روز خوبی رو گذرونده باشید.
به بخش سوم آموزش های پیاده سازی مقالات با Keras خوش آمدید. در این بخش ابتدا به بررسی مدل UNet از روی مقاله آن میپردازیم و بعد در آخر ویدئویی از پیاده سازی معماری ذکر شده در این مقاله توسط استاد محمد عباسی توسعه دهنده دیپ لرنینگ را میتوانید مشاهده کنید. این آموزش در مدرسه تابستانی با موضوع هوش مصنوعی و فناوری های نوین با همکاری گروه DLeX و آزمایشگاه سامانه های پردازش هوشمند رایانه ای دانشگاه تبریز در شهریور 99 برگزار شد. اگر سوالی داشتید در قسمت کامنت بنویسید حتما پاسخ خواهم داد.

معرفی Unet

همانطور که میدونید آموزش دادن شبکه های عصبی عمیق نیازمند هزاران داده لیبل گذاری شده هست. برای همین در مقاله UNet یک شبکه و استراتژی آموزش شبکه ارائه شده که به وسیله Data Augmentation بصورت بهینه تری از دیتاهای موجود استفاده میکنه. درواقع این معماری داده های اصلی رو میگیره و در یک مسیر که مدام منقبض در میشه داده هارو جلو میبره و به نوعی شیره ی داده هارو میکشه بیرون و بعد در یک مسیر انبساطی قرینه با مسیر قبلی داده رو پیش میبره تا بتونه بصورت دقیق لوکالیزیشن انجام بده.

برای رفتن به صفحه دانلود مقاله کلیک کنید.

در نهایت در این مقاله نشون داده شده که این شبکه برای ترین در شرایطی که داده ها خیلی کم هستند نیز مناسب هست.

معماری این مدل در تصویر بالای صفحه نمایش داده شده و هر فلش آبی نشون دهنده ی یک کانولوشن 3 در 3 و یک Relu ، هر فلش قرمز نشون دهنده یک max pool دو در دو، هر فلش سبز یک Up Convolution دو در دو و فلش سبز پر رنگ هم یک کانولوشن یک در یک هست. سایر پارامتر ها نیز در تصویر قرار داده شده.

در ویدئو زیر به پیاده سازی این معماری میپردازیم. ممکنه یکم سرعت انجام کار در این ویدئو بالا باشه برای همین پیشنهاد میکنم ویدئو بخش اول این آموزش رو حتما قبلش ببینید.

موفق و پیروز باشید.

بخش اول: پیاده سازی معماری مدل آمده در مقاله Inception V4 با Keras