简介本资源是一份面向深度学习初学者与计算机视觉实践者的语义分割入门实践包聚焦PyTorch框架下的Unet网络实现与快速验证。资源提供完整可运行的Unet源码6个.py文件、配套小批量图像数据集共35张JPG、26张BMP、6张PNG及28个XML标注文件覆盖原始图、掩膜图与结构化标注以及网络结构简图与训练说明文档3个.txt便于理解编码器-解码器对称设计、跳连机制与端到端训练流程。压缩包共109个文件体量112.49MB结构清晰开箱即用适合课程实验、模型调试与医学/遥感等场景的轻量级分割任务复现。目前已有71人学习下载附带标注效果图等可视化样本显著降低从理论到代码落地的学习门槛。1. 小批量数据集上跑通Unet不是为了凑数而是为了验证「像素级对齐」是否真能成立你手头有一张标注效果图.bmp十张带_t.bmp后缀的图像273_t.bmp 到 296_t.bmp它们不是随便命名的测试图——每张_t.bmp都是原始图像对应的手动标注掩膜ground truth像素值非0即1或0/255二值化标签。这种极简配置恰恰暴露了语义分割最脆弱的一环模型在训练初期极易把边界模糊成“毛边”把小目标直接吞掉而小批量数据集反而会把这类问题放大十倍。Unet 的跳层连接skip connection在此刻不是锦上添花而是救命稻草——它强制编码器低层的空间细节比如边缘锐度、纹理方向与解码器高层的语义判别比如“这是肝脏”做像素级对齐。本资源不提供 ImageNet 级别的预训练权重也不依赖 COCO 或 Cityscapes 大数据集它用 PyTorch 原生nn.Conv2d和F.interpolate搭建可调试的 Unet 主干所有层参数、通道数、下采样步长都显式写出方便你逐层 inspect 输出 shape、验证 padding 是否导致尺寸错位、检查 skip 连接时 concat 维度是否匹配。适合刚学完 PyTorch 张量操作、正卡在“为什么 mask 预测出来全是灰块”的工程师也适合需要快速验证新标注协议是否兼容 Unet 输入 pipeline 的算法落地团队。2. Unet 编码器-解码器结构解析为什么必须手动实现 skip connection 而非依赖 nn.Sequential2.1 编码器阶段4 层下采样中的通道膨胀与空间坍缩逻辑Unet 编码器并非简单堆叠卷积其核心在于空间分辨率与通道维度的协同衰减策略。以本源码中默认输入尺寸256×256为例编码器每层执行Conv2d → ReLU → Conv2d → ReLU → MaxPool2d其中MaxPool2d(kernel_size2, stride2)使 H/W 减半而Conv2d的 out_channels 按[64, 128, 256, 512]递增。关键参数如下层级输入尺寸卷积输出通道MaxPool 后尺寸特征图体积H×W×CEnc1256×25664128×128128×128×64 1.05MEnc2128×12812864×6464×64×128 0.52MEnc364×6425632×3232×32×256 0.26MEnc432×3251216×1616×16×512 0.13M提示MaxPool2d的stride2是硬性要求若误设为stride1会导致后续解码器上采样时尺寸无法对齐。本源码中所有池化层均显式声明stride2避免依赖默认值引发隐式 bug。实际代码中Enc1 的定义如下self.enc1 nn.Sequential( nn.Conv2d(3, 64, kernel_size3, padding1), # 输入3通道RGB输出64通道 nn.ReLU(inplaceTrue), nn.Conv2d(64, 64, kernel_size3, padding1), # 保持通道数不变强化局部特征 nn.ReLU(inplaceTrue), nn.MaxPool2d(kernel_size2, stride2) # 尺寸减半为跳连保存原始空间信息 )注意inplaceTrue可节省显存但在调试时建议设为False便于用torch.autograd.gradcheck检查梯度流。padding1确保3×3卷积不缩小空间尺寸——这是 Unet 对齐的前提池化前的特征图必须与原始输入保持整除关系256→128→64→32→16否则解码器上采样后无法与对应层级的 skip 特征图cat。2.2 解码器阶段上采样方式选择与 skip connection 的 tensor shape 校验解码器的核心挑战是如何将 16×16×512 的 bottleneck 特征恢复为 256×256×1 的预测 mask。本源码采用F.interpolate实现双线性上采样非转置卷积因其更稳定、无棋盘效应checkerboard artifacts。关键步骤如下对 bottleneck 输出x执行F.interpolate(x, scale_factor2, modebilinear, align_cornersFalse)将上采样结果与对应编码器层的输出如 Enc3 的 32×32×256按 channel 维度torch.cat([up_x, enc3_output], dim1)输入到Conv2d(768, 256, ...)进行通道压缩此处align_cornersFalse是 PyTorch 1.7 默认行为若使用旧版本需显式指定否则会导致上采样坐标偏移使 skip 连接的像素位置错位。校验方法如下# 在 forward 中插入调试代码 print(fEnc3 output shape: {enc3_out.shape}) # torch.Size([1, 256, 32, 32]) up_x F.interpolate(x, scale_factor2, modebilinear) print(fUp-sampled shape: {up_x.shape}) # torch.Size([1, 512, 32, 32]) # 必须保证 H/W 一致才能 cat若不一致说明上采样倍率或 encoder 输出尺寸计算错误 assert up_x.shape[2:] enc3_out.shape[2:], fShape mismatch: {up_x.shape} vs {enc3_out.shape}2.2.1 skip connection 的三种常见失效场景及修复失效现象根本原因修复指令RuntimeError: Sizes of tensors must match except in dimension 1cat时 batch size 不一致如某层 dropout 导致 batch 维度丢失检查所有nn.Dropout2d是否启用trainingTrue或临时注释 dropout 层预测 mask 边缘严重模糊上采样未对齐align_corners设置错误将F.interpolate(..., align_cornersTrue)改为False模型 loss 不下降且输出全黑最终Conv2d的biasTrue但初始化为 0导致 sigmoid 输出趋近 0在__init__中添加self.final_conv.bias.data.fill_(-5.0)强制初始输出低概率3. 小批量数据集加载与增强实战从 .bmp 文件到 PyTorch DataLoader 的完整链路3.1 数据目录结构与文件名映射规则本资源提供的 10 张_t.bmp文件并非随机命名而是严格遵循原始图名 _t.bmp的配对规则。例如若存在273.bmp原图则273_t.bmp即为其标注掩膜若缺失原图273_t.bmp将被忽略。源码中Dataset类通过正则提取数字 ID 实现自动配对import re from pathlib import Path class SegmentationDataset(Dataset): def __init__(self, img_dir, mask_dir, transformNone): self.img_dir Path(img_dir) self.mask_dir Path(mask_dir) # 匹配所有 _t.bmp 文件提取数字前缀 self.mask_files list(self.mask_dir.glob(*_t.bmp)) self.transform transform def __getitem__(self, idx): mask_path self.mask_files[idx] # 从 273_t.bmp 提取 273 base_name re.match(r(\d)_t\.bmp, mask_path.name).group(1) img_path self.img_dir / f{base_name}.bmp # 假设原图同名无后缀 image Image.open(img_path).convert(RGB) mask Image.open(mask_path).convert(L) # 转为单通道灰度 if self.transform: image, mask self.transform(image, mask) return image, mask注意.bmp格式不支持 alpha 通道convert(L)可安全提取亮度值若标注图含多类标签如 0背景, 1器官A, 2器官B需改用np.array(mask)并做 one-hot 编码本小批量数据集默认为二分类0/255故直接mask // 255即可。3.2 针对小批量数据的轻量级增强策略小批量数据集仅 10 对样本极易过拟合但过度增强又会引入噪声。本源码采用确定性增强deterministic augmentation确保每次__getitem__返回相同变换便于 debugclass ComposeTransform: def __init__(self, resize(256, 256)): self.resize resize def __call__(self, image, mask): # 固定尺寸裁剪避免随机 crop 导致样本失真 image F.resize(image, self.resize) mask F.resize(mask, self.resize, interpolationImage.NEAREST) # mask 用最近邻插值 # 转为 tensor 并归一化 image F.to_tensor(image) # [0,1] 归一化 mask torch.tensor(np.array(mask), dtypetorch.float32) / 255.0 # 二值化 return image, mask # 使用示例 dataset SegmentationDataset(images/, masks/, transformComposeTransform()) dataloader DataLoader(dataset, batch_size2, shuffleTrue, num_workers0) # num_workers0 避免 Windows 多进程 bug3.2.1 关键参数说明与可调项参数作用修改建议interpolationImage.NEARESTmask 插值必须用最近邻防止出现 0.3/0.7 等非法灰度值若需多类分割此处仍为NEAREST后续mask.long()转为 long 类型num_workers0小数据集无需多进程加载设为 0 可避免 Windows 下的BrokenPipeErrorLinux 服务器可设为min(8, os.cpu_count())batch_size2小批量数据下batch_size 过大会导致梯度更新不稳定可尝试1或4观察 loss 曲线波动幅度3.3 DataLoader 输出张量的 shape 验证与 debug 技巧训练前务必验证 dataloader 输出符合 Unet 输入要求for images, masks in dataloader: print(fBatch image shape: {images.shape}) # 应为 [B, 3, 256, 256] print(fBatch mask shape: {masks.shape}) # 应为 [B, 256, 256]二值或 [B, C, 256, 256]多类 # 检查 mask 像素值是否合法 assert masks.min() 0 and masks.max() 1, Mask values out of [0,1] break # 若报错 Expected 4-dimensional input for 4-dimensional weight说明 model(images) 中 images 维度错误 # 此时打印 images.shape常见错误忘记 unsqueeze(0) 导致 [3,256,256] 被当 batch 处理若发现masks为[B, 1, 256, 256]带 channel 维需在 loss 计算前 squeezecriterion nn.BCEWithLogitsLoss() pred model(images) # 输出 [B, 1, 256, 256] loss criterion(pred, masks.unsqueeze(1)) # masks 从 [B,256,256] → [B,1,256,256]4. Unet 训练脚本详解从 optimizer 初始化到 loss 曲线平滑技巧4.1 损失函数选型与多任务 loss 权重配置语义分割常用 loss 包括BCEWithLogitsLoss二分类、CrossEntropyLoss多类、DiceLoss解决类别不平衡。本小批量数据集因样本少、前景占比低必须组合 BCE 与 Diceclass BCEDiceLoss(nn.Module): def __init__(self, bce_weight0.5, dice_weight0.5): super().__init__() self.bce nn.BCEWithLogitsLoss() self.dice_weight dice_weight self.bce_weight bce_weight def forward(self, pred, target): bce_loss self.bce(pred, target) # Dice 计算smooth1 防止除零 pred_sigmoid torch.sigmoid(pred) intersection (pred_sigmoid * target).sum((1,2,3)) union pred_sigmoid.sum((1,2,3)) target.sum((1,2,3)) dice_loss 1 - (2. * intersection 1e-6) / (union 1e-6) return self.bce_weight * bce_loss self.dice_weight * dice_loss.mean() # 初始化 criterion BCEDiceLoss(bce_weight0.7, dice_weight0.3) # 前景少时加大 dice 权重提示dice_weight0.3是经验值若训练中 foreground loss 下降慢可逐步提高至0.51e-6是数值稳定项不可省略。4.2 学习率调度与 early stopping 实现小批量数据易震荡需动态调整学习率optimizer torch.optim.Adam(model.parameters(), lr1e-4) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemin, factor0.5, patience3, verboseTrue ) best_loss float(inf) patience_counter 0 for epoch in range(100): train_loss train_one_epoch(model, dataloader, criterion, optimizer) val_loss validate(model, val_dataloader, criterion) scheduler.step(val_loss) # 当 val_loss 不下降时降低 lr if val_loss best_loss: best_loss val_loss torch.save(model.state_dict(), best_unet.pth) patience_counter 0 else: patience_counter 1 if patience_counter 7: # 连续7轮无提升则停止 print(fEarly stopping at epoch {epoch}) break4.2.1 ReduceLROnPlateau 关键参数说明参数作用本场景推荐值modemin监控指标越小越好loss必须为minfactor0.5学习率衰减倍率小数据集建议0.5大步衰减而非0.1过激patience3容忍多少轮无改进设为3避免过早衰减val_loss波动大时可调至54.3 训练日志可视化与 loss 曲线平滑处理原始 loss 曲线因 batch 小而剧烈抖动需滑动平均import matplotlib.pyplot as plt import numpy as np def smooth_curve(data, window_size5): 对 loss 曲线做滑动平均window_size 为奇数 return np.convolve(data, np.ones(window_size)/window_size, modevalid) # 记录每个 epoch 的 train_loss 和 val_loss train_losses [] val_losses [] # 训练循环中追加 train_losses.append(train_loss.item()) val_losses.append(val_loss.item()) # 绘图 plt.figure(figsize(10,4)) plt.subplot(1,2,1) plt.plot(smooth_curve(train_losses), labelTrain Loss (smoothed)) plt.plot(smooth_curve(val_losses), labelVal Loss (smoothed)) plt.legend() plt.subplot(1,2,2) plt.plot(train_losses, alpha0.3, labelRaw Train) plt.plot(val_losses, alpha0.3, labelRaw Val) plt.legend() plt.show()若 smoothed 曲线仍持续上升说明模型未收敛应检查model.train()/model.eval()是否在正确位置调用optimizer.zero_grad()是否在每个 batch 前执行loss.backward()后是否调用optimizer.step()5. 预测与可视化如何用训练好的 Unet 模型生成标注效果图.bmp5.1 单张图像推理全流程从读图到保存 mask训练完成后用best_unet.pth推理标注效果图.bmpdef predict_image(model, image_path, devicecpu): model.eval() image Image.open(image_path).convert(RGB) # 预处理resize → to_tensor → unsqueeze(0) 添加 batch 维 transform ComposeTransform(resize(256, 256)) image_tensor, _ transform(image, Image.new(L, image.size)) # mask 占位符 image_tensor image_tensor.unsqueeze(0).to(device) # [1,3,256,256] with torch.no_grad(): pred model(image_tensor) # [1,1,256,256] pred_mask torch.sigmoid(pred).squeeze(0).squeeze(0) # [256,256] # 二值化阈值 0.5 binary_mask (pred_mask 0.5).cpu().numpy().astype(np.uint8) * 255 return Image.fromarray(binary_mask) # 执行 model UNet(in_channels3, num_classes1) model.load_state_dict(torch.load(best_unet.pth)) result predict_image(model, 标注效果图.bmp) result.save(pred_mask.bmp)5.1.1 关键步骤说明unsqueeze(0)PyTorch 模型要求输入为[B,C,H,W]单图必须添加 batch 维度torch.sigmoid()将 logits 映射到[0,1]再squeeze(0).squeeze(0)移除 batch 和 channel 维得到[H,W]矩阵* 255将0/1转为.bmp可显示的灰度值0黑255白5.2 可视化对比原始图、真值 mask、预测 mask 三图并排为验证分割质量生成对比图def visualize_comparison(original_path, true_mask_path, pred_mask, save_path): fig, axes plt.subplots(1, 3, figsize(12,4)) # 原图 orig np.array(Image.open(original_path).convert(RGB)) axes[0].imshow(orig) axes[0].set_title(Original) axes[0].axis(off) # 真值 mask true_mask np.array(Image.open(true_mask_path).convert(L)) axes[1].imshow(true_mask, cmapgray) axes[1].set_title(Ground Truth) axes[1].axis(off) # 预测 mask axes[2].imshow(pred_mask, cmapgray) axes[2].set_title(Prediction) axes[2].axis(off) plt.tight_layout() plt.savefig(save_path, dpi300, bbox_inchestight) plt.close() # 调用 true_mask_img Image.open(273_t.bmp) # 任选一张真值图 visualize_comparison(273.bmp, 273_t.bmp, np.array(result), comparison.png)若预测 mask 与真值存在明显偏移如器官轮廓整体右移 2 像素说明数据预处理中resize插值方式不一致原图用 bilinearmask 用 nearest模型最后一层Conv2d的padding导致输出尺寸比输入小检查output_padding是否误用5.3 评估指标计算IoU 与 Dice Score 的手撕实现不依赖scikit-learn用 PyTorch 原生算子计算def compute_iou_dice(pred_mask, true_mask): pred_mask: [H,W] tensor of 0/1 true_mask: [H,W] tensor of 0/1 pred_flat pred_mask.flatten().float() true_flat true_mask.flatten().float() intersection (pred_flat * true_flat).sum() union pred_flat.sum() true_flat.sum() - intersection iou intersection / (union 1e-6) dice (2. * intersection) / (pred_flat.sum() true_flat.sum() 1e-6) return iou.item(), dice.item() # 使用 true_tensor torch.tensor(np.array(Image.open(273_t.bmp)) // 255) iou, dice compute_iou_dice(result, true_tensor) print(fIoU: {iou:.4f}, Dice: {dice:.4f})IoU 0.6 时需检查pred_mask 0.5阈值是否合理可尝试0.3或0.7训练时DiceLoss的smooth项是否与评估时一致评估用1e-6训练也需相同本文还有配套的精品资源点击获取