简介：面向计算机视觉与医学图像分析场景的深度学习资源包，提供Unet、AttentionUnet、R2Unet和R2AUet四种经典分割模型的可运行工程，并配有ISIC 2017皮肤病变数据集局部样本，零基础学习者可按照示例快速跑通，中高级研究者可对比不同注意力与残差结构的效果。压缩包内有211个文件，以97张png和92张jpg图像为主，对应训练与测试样本；另有8个py脚本负责数据加载、模型定义和训练测试，还有xml配置文件、sh执行脚本及md说明文档，整体约25.48MB，体量适中，便于下载与复现。已有2153人学习下载，适用于课程设计、论文复现及皮肤病智能诊断项目起步。借助工程代码，读者能系统掌握U型网络的编码器解码器架构、残差连接优化和注意力门控机制，并基于ISIC 2017数据完成预处理、训练、评估与分割结果可视化的完整流程，是深入理解医学图像分割的良好起点。 找Unet相关开源代码的时候，我有个习惯：只看那种真正"能跑起来"的工程。很多仓库只放了模型定义，既没数据也没训练脚本，下载下来还得自己补一堆环境。最近翻到一个比较完整的项目，把Unet、AttentionUnet、R2Unet、R2AUet四个分割模型集成到同一套训练管线里，代码可运行，还附带了一份预处理好的数据集，省去了下载和切分的麻烦。我把四个模型挨个训练对比了一遍，顺带把网络结构、训练参数、表现差异和踩过的坑整理成这篇实践记录，适合正在入门图像分割、或者想系统对比Unet改进方案的读者。
1. 四个Unet变体的血缘关系：从哪里改进、改了什么
1.1 Unet：分割任务的骨架，跳连接是灵魂
Unet是2015年提出的医学图像分割结构，之所以这么多年还是基线，在于它的设计足够简洁且有效。整个网络像一个U形：左侧编码器通过卷积和池化逐层下采样，提取越来越抽象的语义特征；右侧解码器通过上采样逐层恢复分辨率；中间用跳连接把编码器对应层的细节特征拼接到解码器特征上。这种设计让模型同时具备"看得清边界"和"看得懂语义"的能力，医学图像里目标边缘模糊、结构复杂的问题正是它的强项。
一个标准的Unet层由两个3x3卷积加BatchNorm加ReLU组成，每隔一层做一次2倍下采样。通常5层深度时，输入尺寸需要是32的倍数，这个细节后面还会再提。很多人以为Unet只适合医学图像，实际上遥感目标检测、工业质检、自动驾驶道路分割里也大量用Unet做基线，因为它收敛快、容易调。
1.2 AttentionUnet：在跳连接上加一道注意力闸门
AttentionUnet由Oktay等人在2018年提出，核心改动集中在跳连接处。作者观察到，编码器特征中包含大量背景信息，直接拼接到解码器会引入噪声。所以他们在每层接收编码器特征之前，加了一个注意力门控（Attention Gate），自动计算每个空间位置的重要程度，把无关背景的响应压下去，把目标区域的特征放大。
注意力门控的计算方式并不复杂：它同时接收两个输入，一个是来自编码器的低层特征x，另一个是来自解码器上一层的深层特征g。这两个特征各自经过1x1卷积变换到相同通道，相加后过ReLU，再经过1x1卷积和Sigmoid，得到一个0到1的注意力系数，最后把系数乘回编码器特征x。实际效果是，模型在训练中会自动学会"该看哪里"，对目标小、背景杂乱的场景提升明显。
1.3 R2Unet：循环残差模块让特征多次复用
R2Unet的全称是Recurrent Residual U-Net，2018年由Alom等人提出。它的核心是把Unet里普通的卷积模块换成循环残差模块（RRC）。所谓循环卷积，并不是引入时间维度，而是在模块内部把同一个卷积层反复迭代使用，通常迭代2次，每次以上一次的输出作为本次输入。因为卷积层的权重在迭代中是共享的，所以参数数量不会成倍上涨，但特征经过了多次非线性变换，表达更充分。
模块内部还叠加了残差连接，把输入直接加到循环输出上，缓解了网络加深带来的梯度退化。实测下来，R2Unet对血管、细纹这种需要多尺度上下文积累的目标更友好，代价是训练时间变长，显存占用也更高，因为循环过程的中间特征图需要保存。
1.4 R2AUet：循环残差与注意力门控的叠加效果
R2AUet，也就是R2AttentionUnet，本质上就是把上面两种改进放在同一个框架里：编码器和解码器用循环残差模块替换普通卷积模块，跳连接处保留AttentionUnet的注意力门控机制。这样网络既具备循环残差带来的深层特征表达，又具备注意力门控带来的空间聚焦能力。这是四个模型里面结构最复杂、参数量和计算量最大的一个，通常用在精度要求高、算力又比较充足的场景。
为了快速区分这四个模型，列个表：
| 模型 | 改进位置 | 核心价值 |
|---|---|---|
| Unet | 基线结构 | 编码器-解码器加跳连接，提供分割基础框架 |
| AttentionUnet | 跳连接处 | 注意力门控抑制背景，聚焦目标区域 |
| R2Unet | 卷积模块 | 循环残差提取更充分特征，增强细节表达 |
| R2AUet | 模块+跳连接 | 同时兼顾深度特征表达和空间聚焦 |
2. 让项目在本机跑起来：环境、数据集和目录结构
2.1 拿到项目先做的三件事
拿到这种"可运行、包含数据集"的工程，我建议不要急着跑train.py，先做三件事。
第一，确认技术栈。项目里如果带了requirements.txt，直接查看依赖，通常是torch、torchvision、numpy、opencv-python、tqdm、tensorboard这一套。有些项目用TensorFlow或Keras老版本，环境差异会很明显。
第二，看清目录结构。大多数项目分四块：models（模型定义）、dataset（数据读取与预处理）、utils（损失函数、指标、可视化）、train.py或main.py（训练入口）。认清楚之后，后续改代码会快很多。
第三，找数据目录，确认图像和掩码的格式与命名对应关系。这一步最容易踩坑。很多数据集的掩码是0到255的灰度图，需要先确认模型训练时是否已经做了归一化和二值化。如果直接拿0到255的掩码去算BCELoss，数值范围错得离谱，loss和Dice都会异常。
2.2 数据集格式确认与预处理细节
工程里附带的数据集，常见的有两种存储方式。一种是图片加掩码的形式，比如原图train/，掩码label/，都是png或jpg；另一种是打包好的npy或h5文件，读进来就是numpy数组，直接训练。
如果走图片格式，先检查三点：
- 原图和掩码文件名是否一一对应，有些数据集命名后缀不一样，要写个脚本对齐。
- 掩码是否需要转成one-hot。二分类模型里通常只要一个通道，网络输出shape是(B, 1, H, W)，掩码shape是(B, H, W)或(B, 1, H, W)；多分类则要转成(B, C, H, W)。
- 数据范围。原图一般除以255归一化，掩码统一成0和1。这一步做好了，后续训练的数值稳定性才有保障。
数据划分方面，建议按8:1:1分成训练集、验证集、测试集。如果数据集里包含多个样本来源，划分时要注意别让同一来源的图像同时出现在训练集和测试集里，否则验证结果会虚高。
数据增强不必一上来就堆得很猛。我习惯先开随机翻转、旋转和缩放，这些是通用且稳定的增强。医学图像还可以加弹性形变和亮度对比度扰动，对小数据集提升明显。
2.3 从环境配置到第一个epoch跑通
环境搭建按部就班来。新建虚拟环境，指定Python版本3.8或3.9，安装依赖，然后改配置里的数据路径。我的推荐做法是第一步先跑一个小实验，把epoch数设成2到3个，验证整条链路是通的，再谈正式训练。
正式训练前，我还会额外做一次前向传播测试：手动加载一张图和一个掩码，只跑模型forward，确认输入输出的shape一致。很多Unet改版会在这里出问题，尤其是跳连接拼接时尺寸对不上，报错信息很直接，早测早修正。
如果batch size太大导致显存溢出，可以降低batch size，或者用梯度累积模拟大batch。简单地描述：把loss除以累积步数，反向传播统计个几步后再真正更新参数。这个技巧在只有单卡、显存又有限的情况下非常实用。下面是一段简化逻辑：
accum_steps = 4 for step, (images, masks) in enumerate(dataloader): loss = criterion(model(images), masks) / accum_steps loss.backward() if (step + 1) % accum_steps == 0: optimizer.step() optimizer.zero_grad()第一次训练建议固定随机种子，并关闭shuffle以外的随机因素，方便复现。等验证集上的loss和Dice都稳定下降，再逐步增加训练时长和增强策略。
3. 同数据集下的训练参数与表现差异
3.1 统一训练配置：优化器、损失函数与学习率
对比四个模型，最关键的一条原则是：超参数必须统一，否则结果没有可比性。我在这个项目里用的是同一套配置。
优化器选Adam，初始学习率1e-3。Adam的优势在于对初始学习率不敏感，适合快速上线；如果想追求更高精度，后期可以切到SGD加momentum，不过耦合进调参过程会比较费时。学习率策略用ReduceLROnPlateau，监控验证集Dice，连续10到15个epoch不上升就把学习率降为原来的0.5。
损失函数方面，医学图像分割里前景占比经常很低，直接用BCE容易让模型学到"全部预测为背景"。我在项目里用的是BCE加Dice联合损失：
L = α * BCE + β * DiceLoss
其中DiceLoss = 1 - (2|A∩B|) / (|A| + |B|)，A是预测，B是真实掩码。两个loss的量级需要大致对齐，否则联合优化的方向会被大的那项主导。我一般把BCE的权重设0.5，Dice设0.5起步，再根据验证集表现微调。遇到严重类别不平衡，甚至会完全换成Tversky Loss或Focal Loss。
训练轮数方面，四个模型里Unet收敛最快，80个epoch基本稳定；R2Unet和R2AUet要到120到150个epoch才能达到比较理想的状态。如果算力有限，可以先统一训练100个epoch做初步对比，再对最有潜力的模型加跑。
3.2 收敛速度、分割精度与显存开销的实测对比
在这个项目的数据集上，我观察到的大致规律如下：
| 模型 | 收敛速度 | 最终Dice | 训练耗时 | 显存占用 |
|---|---|---|---|---|
| Unet | 最快 | 基准 | 最低 | 最低 |
| AttentionUnet | 略慢 | 略高 | +15%左右 | 略增 |
| R2Unet | 偏慢 | 更高 | +40%左右 | 较高 |
| R2AUet | 最慢 | 最高 | +60%左右 | 最高 |
这不是绝对数值，但趋势是稳定的。AttentionUnet的优势主要体现在目标区域占比小、背景干扰大的情况下，它的注意力门控会主动抑制非目标区域，精度提升明显。R2Unet的优势在于细节和边缘，尤其血管、细小纹理这类结构，边界连续性比Unet好。R2AUet在验证集上Dice最高，但训练耗时长，对显存要求也高，如果数据量很小，反而容易出现一个现象：训练集Dice很高，验证集波动大，说白了就是过拟合风险更高。
3.3 不同任务场景怎么选模型
根据这个对比结果，我总结了选型思路。
如果分割目标明确、背景干净，Unet就够用，没必要上重模型。往工程交付层面看，部署体积和推理速度同样重要，Unet最容易量化迁移。如果目标小、密集且和背景亮度接近，比如细胞分割、病灶检测，优先试AttentionUnet，它能用很小的代价提升精度。如果关注的是血管、裂缝这类细长结构，R2Unet会更好，循环残差让模型学会积累上下文信息，细枝末节不容易断。R2AUet适合科研对比或者对精度要求很高、算力也充足的场景，我倾向于把它作为上限参考，而不是默认选择。
4. Unet系列实际使用时绕不开的坑
4.1 输入尺寸与网络深度的整除匹配
这是Unet系列最经典的一个坑。编码器每下采样一次，特征图尺寸缩小一半，如果网络深度为5，输入图像的宽高必须能被2的5次方，也就是32整除。输入尺寸不是32的倍数时，跳连接拼接就会报size mismatch，或者输出图像和输入尺寸不一致。
解决办法有两个。简单的是训练和推理时统一把图像resize到32的倍数尺寸，比如256x256或512x512。另一个是修改网络末尾，通过双线性插值把输出强行resize回输入尺寸，但这会掩盖结构上的不匹配。我建议在模型定义里加一个shape打印函数，跑前向时输出每一层特征图的尺寸，一眼就能看出问题在哪。
4.2 类别不平衡与小目标漏检
医学图像和不少工业场景里，目标区域占整张图的比例经常不到10%。直接用BCE时，模型只要输出全背景，loss也会很低，但Dice是0。这个现象我刚开始跑分割项目时也遇到过，后来养成了习惯：不再单看loss曲线，而是同时盯验证集Dice。
处理思路分三层。第一是换损失函数，用Dice Loss、Tversky Loss或组合损失，让优化目标与评估指标更一致。第二是数据层面，增加含目标样本的采样权重，或者用裁剪的方式把目标区域适当放大。第三是后处理层面，对输出概率图做条件随机场或简单形态学过滤，把零散的小噪声点清掉。对R2Unet这类深层模型，还可以适当增加Dropout比例，降低小数据下的过拟合。
4.3 损失函数和评估指标不一致导致的假象
我在跑这个项目时发现，很多现有实现里训练时模型输出的是logits，Dice计算时却直接拿logits和掩码算，数值就变得很奇怪。正确流程应该是：先判断损失函数内部是否已经做了Sigmoid，如果损失里带了BCEWithLogitsLoss，那训练输出就是logits；验证阶段计算Dice之前要先手动加Sigmoid，再做阈值处理或直接用概率版本Dice。
另一个容易翻车的是掩码的数值范围。如果掩码是0到255，而模型输出是0到1，计算出来Dice严重偏低。所以数据预处理阶段把掩码转成0和1，比在评估函数里做各种兜底要可靠得多。
4.4 训练不收敛的排查顺序
如果训练时loss不下降，我建议按下面顺序排查，亲测效率最高。
第一步，单batch过拟合测试。只拿3到5张图训练几十个batch，如果loss能降到很低，说明模型和数据加载逻辑没问题，问题出在超参数或数据多样性；如果loss一直不掉，立刻回查数据标签和损失函数。
第二步，检查标签。常见错误包括掩码没做二值化、原图和掩码错位、类别id从1开始而模型输出从0开始。
第三步，关掉数据增强。增强力度过大时，模型在小数据集上往往误以为"学习目标在不停变化"，收敛会异常缓慢。先把增强全部关闭，确认能收敛再加回来。
第四步，检查学习率和初始loss。初始loss如果出现NaN，大概率是学习率太高或输入数据里有异常数值；如果初始loss低得离谱，可能是模型输出恒等于某个常数，要检查最后的激活函数。
这四条走完，绝大部分训练诡异问题都能定位。
最后分享一个我自己跑这种多模型对比项目的习惯。拿到工程后，我不会立刻让四个模型全部训练到收敛，那样太费算力。先用同一个低预算配置，比如20个epoch，把每个模型的收敛趋势跑出来，看谁的下限稳、谁有明显异常。初步筛选后，把训练预算集中到最有潜力的两三个模型上精调。这样做省时间，也能避免因为某个模型收敛慢就误判它效果差。对比实验里所有超参数必须保持一致，这条准则也是我在反复折腾中总结出来的。如果你们也在折腾Unet系列模型，希望这篇实践记录能帮你少走几步弯路。
本文还有配套的精品资源，点击获取
