/TF.Keras-Commonly-used-models

基于Tensorflow的常用模型，包括分类分割、新型激活、卷积模块，可在Tensorflow2.X下运行。

Primary LanguagePythonApache License 2.0Apache-2.0

TF.Keras-常用型号

自己整理的一些tensorflow下ķeras实现的模型,可在Tensorflow2.X下运行

提示：以下模型均不包含预训练权重的载入，只是模型的实现；不同的卷积模块大部分在分类分割模型中已包含。

分类模型：

  • AlexNet
  • Darknet53
  • DenseNet
  • Dual_path_network
  • GoogleNet
  • MNasNet
  • Resnet34
  • Resnet50
  • SEResNeXt
  • VGG16
  • Squeeze_Excite-Network
  • MobileNetV3
  • Efficientnet
  • SE_HRNet
  • ResNest

分割模型：

  • FCN8S
  • ICNet
  • MiniNetv2
  • PSPNet-ResNet50
  • RAUNet-3D
  • Refinenet
  • Segnet
  • Unet
  • Unet_Xception_Resnetblock
  • ResNextFPN
  • Deeplabv2
  • Deeplabv3+
  • FastFCN
  • HRNet
  • ResUNet-a
  • RCNN-UNet
  • Attention Unet
  • RCNN-Attention Unet
  • UNet ++

Unet_family:

不同种类的Unet模型图像分割的实现

1、UNet -U-Net：用于生物医学图像分割的卷积网络 https://arxiv.org/abs/1505.04597
2、RCNN-UNet-基于U-Net的递归残积卷积神经网络（R2U-Net）用于医学图像分割 https://arxiv.org/abs/1802.06955
3、Attention Unet -Attention U-Net：学习在哪里寻找胰腺 https://arxiv.org/abs/1804.03999
4、RCNN-Attention Unet -Attention R2U-Net：只需将两个最新的高级作品集成在一起（R2U-Net + Attention U-Net）
5、嵌套的UNet -UNet ++：用于医学图像分割的嵌套U-Net体系结构 https://arxiv.org/abs/1807.10165

参考:

Unet-Segmentation-Pytorch-Nest-of-Unets
不同点:我的实现初始滤波数32，原始为64。

分割损失函数：

  • Focal_Tversky_loss
  • C_Focal_loss
  • B_Focal_loss
  • LovaszSoftmax
  • WeightedCCE
  • jaccard_loss
  • bce_jaccard_loss
  • cce_jaccard_loss
  • dice_loss
  • bce_dice_loss
  • cce_dice_loss

分割指标：

  • iou_score
  • jaccard_score
  • f1_score
  • f2_score
  • dice_score

新型激活函数：

  • gelu
  • swish
  • mish

卷积模块：

  • SE
  • Res2Net
  • Deformable_Conv

Layer：

  • FRN
  • attention（PAM空间注意力和CAM通道注意力）
  • BiFPN

Others：

  • TCN（时间卷积网络——解决LSTM的并发问题）