使用keras搭建U-net神经网络进行图像分割

1 搭建环境

Python 3.7+Tensorflow 2.0+Keras

2 U-net 源码

网上可下载，很多，大多没什么区别，不知道为什么。

3 下载后，运行即可

使用源码中附带的训练和测试数据，可以跑出不错的模型和分割结果。

4 使用自己的数据进行Unet模型训练

当把源码中数据换成自己的数据进行训练和分割的时候，就出问题了，一不小心就会得到全黑、全白或者全灰的分割结果。
通过查阅资料，此现象涉及因素较多，结合自己的调试经历，总结起来有以下几点需要注意：

1. 训练数据图片的格式要和源码中图片格式一致：尤其是位深度、通道数，数据类型uint8。
2. 代码中255换成255.0。（这一点没有测试，python中除法默认是取小数的，感觉这一点不应该有影响。）
3. 注意学习率的设置，如果训练后loss较大，可以考虑改小学习率：
   model.compile(optimizer = Adam(lr = 1e-5), loss = ‘binary_crossentropy’, metrics = [‘accuracy’])
4. 通过以上几点基本可以解决全黑等问题，得到初步分割结果。
5. 还得仔细理解源码，不能拿来就用，理解很重要，理解后就可以根据自己的数据来修改网络参数，才能得到好的分割结果。