UNet对细胞壁的分割（Pytorch）

项目主要采用Pytorch实现，并使用tensorboard作为直接可视化工具，方便看到整个模型的训练过程。

该项目主要使用UNet网络对ISBI数据集进行分割训练，并对不同的模块采用对比的方式比较效果。 主要对比的两个模块是

• ConvTranspose
• Upsampling

以下测评数据均在 $epoch = 6$ 的结果获得。

模块\指标	loss	mIoU	mPA	result(若无法跳转，请直接下拉至底部)
ConvTranspose2d	0.3512	0.8832	0.9438	效果1
Upsampling	0.3404	0.8874	0.9640	效果2

这里从结果上看，由于IBSI数据集过于简单，Upsampling表现更佳，在既没有增加额外参数的同时 推理时间 和 性能 均优于ConvTranspose2d

但是 转置卷积 在图像噪点去除的性能上优于 线性上采样Upsampling（这一点我们可以对比分析效果1和效果2的动图）

效果查看

终端中输入如下命令，并在浏览器中访问 http://localhost:6006/

tensorboard --logdir='./logs'

Loss

这里我使用的 Loss 都是 CrossEntropyLoss

mIoU

mPA

ConvTranspose2d

Upsampling