การสร้าง U-Net: เมธอด forward

เมื่อกำหนด encoder และ decoder layer เรียบร้อยแล้ว ก็สามารถ implement เมธอด forward() ของ U-Net ได้ โดย input ถูกส่งผ่าน encoder ให้แล้ว แต่ยังต้องกำหนด decoder block สุดท้ายด้วยตัวเอง

เป้าหมายของ decoder คือการ upsample feature map ให้ผลลัพธ์มีความสูงและความกว้างเท่ากับภาพ input ของ U-Net ซึ่งจะช่วยให้ได้ semantic mask ในระดับ pixel

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning สำหรับภาพด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

กำหนด decoder block สุดท้าย โดยใช้ torch.cat() เพื่อสร้าง skip connection

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

def forward(self, x):
    x1 = self.enc1(x)
    x2 = self.enc2(self.pool(x1))
    x3 = self.enc3(self.pool(x2))
    x4 = self.enc4(self.pool(x3))

    x = self.upconv3(x4)
    x = torch.cat([x, x3], dim=1)
    x = self.dec1(x)

    x = self.upconv2(x)
    x = torch.cat([x, x2], dim=1)
    x = self.dec2(x)

    # Define the last decoder block with skip connections
    x = ____
    x = ____
    x = ____

    return self.out(x)

แก้ไขและรันโค้ด