https://github.com/1044197988/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。
https://github.com/1044197988/TF.Keras-Commonly-used-models

dice-loss image-classification image-segmentation jaccard-loss keras segmentation-loss tensorflow tensorflow2 unet

Last synced: 3 months ago
JSON representation

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。

• Host: GitHub
• URL: https://github.com/1044197988/TF.Keras-Commonly-used-models
• Owner: 1044197988
• License: apache-2.0
• Created: 2019-03-13T12:35:02.000Z (over 5 years ago)
• Default Branch: master
• Last Pushed: 2020-06-27T05:28:02.000Z (over 4 years ago)
• Last Synced: 2024-04-08T02:54:30.050Z (7 months ago)
• Topics: dice-loss, image-classification, image-segmentation, jaccard-loss, keras, segmentation-loss, tensorflow, tensorflow2, unet
• Language: Python
• Homepage:
• Size: 133 KB
• Stars: 173
• Watchers: 7
• Forks: 78
• Open Issues: 1
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

• Awesome-Tensorflow2 - 1044197988/TF.Keras-Commonly-used-models

README

        
# 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](https://github.com/bigmb/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）