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）