x-unet

x-unet

集成高效注意力机制的先进U-Net框架

x-unet是一个基于U-Net架构的开源项目,融合了高效注意力机制和最新研究成果。支持2D和3D图像处理,提供嵌套U-Net深度和上采样特征图合并等灵活配置。适用于生物医学图像分割和显著对象检测等任务,是一个功能强大的深度学习工具。

U-Net深度学习图像分割神经网络计算机视觉Github开源项目

<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/1c2df055-8926-458e-9373-1abb87f37b9f.png" width="450px"></img>

x-unet

实现一个完整的U-net,包含高效注意力机制以及最新的研究成果

安装

$ pip install x-unet

使用

import torch from x_unet import XUnet unet = XUnet( dim = 64, channels = 3, dim_mults = (1, 2, 4, 8), nested_unet_depths = (7, 4, 2, 1), # 嵌套unet深度,来自unet-squared论文 consolidate_upsample_fmaps = True, # 是否合并所有上采样块的输出,用于unet-squared论文 ) img = torch.randn(1, 3, 256, 256) out = unet(img) # (1, 3, 256, 256)

对于3D(视频或CT / MRI扫描)

import torch from x_unet import XUnet unet = XUnet( dim = 64, frame_kernel_size = 3, # 将此设置为大于1 channels = 3, dim_mults = (1, 2, 4, 8), nested_unet_depths = (5, 4, 2, 1), # 嵌套unet深度,来自unet-squared论文 consolidate_upsample_fmaps = True, # 是否合并所有上采样块的输出,用于unet-squared论文 weight_standardize = True ) video = torch.randn(1, 3, 10, 128, 128) # (批次, 通道, 帧数, 高度, 宽度) out = unet(video) # (1, 3, 10, 128, 128)

待办事项

  • 3D的内存效率 - 可逆块、检查点、内存高效unet
  • 提供轴向卷积选项(将帧卷积放在resnet链的末端)

引用

@article{Ronneberger2015UNetCN, title = {U-Net: Convolutional Networks for Biomedical Image Segmentation}, author = {Olaf Ronneberger and Philipp Fischer and Thomas Brox}, journal = {ArXiv}, year = {2015}, volume = {abs/1505.04597} }
@article{Qin2020U2NetGD, title = {U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection}, author = {Xuebin Qin and Zichen Vincent Zhang and Chenyang Huang and Masood Dehghan and Osmar R Zaiane and Martin J{\"a}gersand}, journal = {ArXiv}, year = {2020}, volume = {abs/2005.09007} }
@inproceedings{Henry2020QueryKeyNF, title = {Query-Key Normalization for Transformers}, author = {Alex Henry and Prudhvi Raj Dachapally and Shubham Vivek Pawar and Yuxuan Chen}, booktitle = {FINDINGS}, year = {2020} }
@article{Qiao2019WeightS, title = {Weight Standardization}, author = {Siyuan Qiao and Huiyu Wang and Chenxi Liu and Wei Shen and Alan Loddon Yuille}, journal = {ArXiv}, year = {2019}, volume = {abs/1903.10520} }
@article{Shleifer2021NormFormerIT, title = {NormFormer: Improved Transformer Pretraining with Extra Normalization}, author = {Sam Shleifer and Jason Weston and Myle Ott}, journal = {ArXiv}, year = {2021}, volume = {abs/2110.09456} }
@article{Sunkara2022NoMS, title = {No More Strided Convolutions or Pooling: A New CNN Building Block for Low-Resolution Images and Small Objects}, author = {Raja Sunkara and Tie Luo}, journal = {ArXiv}, year = {2022}, volume = {abs/2208.03641} }
@inproceedings{Woo2023ConvNeXtVC, title = {ConvNeXt V2: Co-designing and Scaling ConvNets with Masked Autoencoders}, author = {Sanghyun Woo and Shoubhik Debnath and Ronghang Hu and Xinlei Chen and Zhuang Liu and In-So Kweon and Saining Xie}, year = {2023} }

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多