在一般的图像数据的采集场景中，得到的多是二维图像，所以大多数深度学习网络的雏形都是基于二维图像展开的工作。

但是，在某些场景下，比如医学影像CT数据，监控场景连续拍摄的视频和自动驾驶使用到的激光点云等等，多是连续的、多层的数据。

此时，层内的信息，和层与层之间的层间深度信息，也是一个重要的特征信息。所以，实现三维的目标分类任务，也是必不可少的。想想很复杂，但是动手实操了，才能理解其中的内容。

本文就对三维图像分类任务展开介绍，主要是自己的实战记录过程。包括：

3维网络构建部分
3维数据构建部分
训练和测试
对基础部分进行修改，提高性能

下面一点点的进行详述。

一、构建3维网络

三维网络我们不熟悉，就先从构建二维网络开始，然后推到三维网络里面去。这样能帮助我们更快的理解。下面就以LeNet为例，展开实验

1.1、先构建2维LeNet

在学习神经网络的时候，LeNet是一个比较早期的网络，并且结构也是比较的简单，很方便我们理解的。这里我就以LeNet为例，构建一个卷积是3*3、stride=2的改版LeNet2D模型，如下所示：

import torch
import torch.nn as nn
import torch.nn.functional as Ffrom torch.autograd import Variable
from torchsummary import summaryclass LeNet2D(nn.Module):def __init__(self, num_classes=2, input_channel=3, init_weights=False):super(LeNet2D, self).__init__()self.conv1 = nn.Conv2d(input_channel, 16, kernel_size=3, stride=2, padding=1)self.pool1 = nn.MaxPool2d(2, 2)self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=2, padding=1)self.pool2 = nn.MaxPool2d(2, 2)self.fc1 = nn.Linear(32*4*4, 120)self.fc2 = nn.Linear(120, 84)self.fc3 = nn.Linear(84, num_classes)if init_weights:self._initialize_weights()def forward(self, x):           #          1, 64, 64x = F.relu(self.conv1(x))   # output   16, 32, 32x = self.pool1(x)           # output   16, 16, 16x = F.relu(self.conv2(x))   # output   32, 8, 8x = self.pool2(x)           # output   32, 4, 4x = x.view(x.size(0), -1)   # outpu    32*4*4, 1x = F.relu(self.fc1(x))     # output(120)x = F.relu(self.fc2(x))     # output(84)x = self.fc3(x)             # output(10)return xdef _initialize_weights(self):for m in self.modules():if isinstance(m, nn.Conv2d):nn.init.xavier_uniform_(m.weight)if m.bias is not None:nn.init.constant_(m.bias, 0)elif isinstance(m, nn.Linear):nn.init.xavier_uniform_(m.weight)nn.init.constant_(m.bias, 0)def main_2d():model = LeNet2D(num_classes=2, input_channel=1, init_weights=True)model = nn.DataParallel(model, device_ids=None)print(model)summary(model, input_size=(1, 64, 64), batch_size=-1, device='cpu')input_var = Variable(torch.randn(16, 1, 64, 64))  # b,c,h,woutput = model(input_var)print(output.shape)

上述构建模型部分是比较简单的，相信你已经看明白了。对模型进行测试，看看是否满足我们的预期。其中：

类别是2
灰度图像1*64*64（b,c,h,w）
batch=16

summary打印的模型如下:

----------------------------------------------------------------Layer (type)               Output Shape         Param #
================================================================Conv2d-1           [-1, 16, 32, 32]             160MaxPool2d-2           [-1, 16, 16, 16]               0Conv2d-3             [-1, 32, 8, 8]           4,640MaxPool2d-4             [-1, 32, 4, 4]               0Linear-5                  [-1, 120]          61,560Linear-6                   [-1, 84]          10,164Linear-7                    [-1, 2]             170LeNet2D-8                    [-1, 2]               0
================================================================
Total params: 76,694
Trainable params: 76,694
Non-trainable params: 0
----------------------------------------------------------------
Input size (MB): 0.02
Forward/backward pass size (MB): 0.18
Params size (MB): 0.29
Estimated Total Size (MB): 0.49
----------------------------------------------------------------

测试输入数组为(16, 1, 64, 64)时，输出的大小是torch.Size([16, 2])，16是批次大小，2是预设的输出类别，符合我们的预测。

1.2、构建3维LeNet

在已经构造好的LeNet2D模型的基础上，改造成我们需要的LeNet3D模型，直接替换两处：

nn.Conv2d --> nn.Conv3d
nn.MaxPool2d --> nn.MaxPool3d

也就是将卷积核和池化核的尺寸都变动以下，增加一个深度信息。构建的模型如下：

class LeNet3D(nn.Module):def __init__(self, num_classes=2):super(LeNet3D, self).__init__()self.conv1 = nn.Conv3d(1, 16, kernel_size=3, stride=2, padding=1)self.pool1 = nn.MaxPool3d(2, 2)self.conv2 = nn.Conv3d(16, 32, kernel_size=3, stride=2, padding=1)self.pool2 = nn.MaxPool3d(2, 2)self.fc1 = nn.Linear(32*2*4*4, 120)self.fc2 = nn.Linear(120, 84)self.fc3 = nn.Linear(84, num_classes)def forward(self, x):            #      c,z, h, w                              c,  z,  h, wx = F.relu(self.conv1(x))    # input(1,32,64,64) -- kernel_size=3, stride=2 --  (16,16,32,32)x = self.pool1(x)            # output (16,8,16,16)x = F.relu(self.conv2(x))    # output (32, 4, 8, 8)x = self.pool2(x)            # output (32, 2, 4, 4)x = x.view(x.size(0), -1)    # output (32*2*4*4, 1)x = F.relu(self.fc1(x))      # output(120)x = F.relu(self.fc2(x))      # output(84)x = self.fc3(x)              # output(10)return xdef main_3d():model = LeNet3D(num_classes = 2)model = nn.DataParallel(model, device_ids=None)print(model)summary(model, input_size=(1, 32, 64, 64), batch_size=-1, device='cpu')#input_var = Variable(torch.randn(16, 1, 32, 64, 64))  # b,c,z,h,woutput = model(input_var)print(output.shape)

依旧对模型进行测试，看看是否满足我们的预期（养成一步一测试的习惯）。其中：

类别是2
灰度图像1*32*64*64（b,c,z,h,w）
batch=16

3维输入数据，与2维输入数据，多了一个Z周的维度信息。所以，再后面构建数据时候，也要跟此处测试的数据格式一致。

打印的模型如下：

DataParallel((module): LeNet3D((conv1): Conv3d(1, 16, kernel_size=(3, 3, 3), stride=(2, 2, 2), padding=(1, 1, 1))(pool1): MaxPool3d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)(conv2): Conv3d(16, 32, kernel_size=(3, 3, 3), stride=(2, 2, 2), padding=(1, 1, 1))(pool2): MaxPool3d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)(fc1): Linear(in_features=1024, out_features=120, bias=True)(fc2): Linear(in_features=120, out_features=84, bias=True)(fc3): Linear(in_features=84, out_features=2, bias=True))
)

PS；这里加了并行化，可以把并行化的代码去除掉，进行打印，更加简洁。

summary打印的模型如下:

----------------------------------------------------------------Layer (type)               Output Shape         Param #
================================================================Conv3d-1       [-1, 16, 16, 32, 32]             448MaxPool3d-2        [-1, 16, 8, 16, 16]               0Conv3d-3          [-1, 32, 4, 8, 8]          13,856MaxPool3d-4          [-1, 32, 2, 4, 4]               0Linear-5                  [-1, 120]         123,000Linear-6                   [-1, 84]          10,164Linear-7                    [-1, 2]             170LeNet3D-8                    [-1, 2]               0
================================================================
Total params: 147,638
Trainable params: 147,638
Non-trainable params: 0
----------------------------------------------------------------
Input size (MB): 0.50
Forward/backward pass size (MB): 2.32
Params size (MB): 0.56
Estimated Total Size (MB): 3.39
----------------------------------------------------------------

测试输入数组为(16, 1, 32, 64, 64)时，输出的大小是torch.Size([16, 2])，符合我们的预测。

注意一点：网络模型对于的图像大小的输入是有要求的，上述代码中构建的模型，智适用于输入大小为(1, 32, 64, 64)的，这是因为在全连接时候，需要将前一层卷积后的输出进行拉直操作。

此时，这个拉直后的大小，是和输入图像的大小，有直接关系的。上面我对全连接部分对尺寸怎么计算得到的，进行了备注，你也可以修改为自己希望输入的尺寸，只要对应修改全连接输入的部分，即可。

如果，你需要对模型进行参数初始化，可以添加模型初始化部分，如下所示：

class LeNet3D(nn.Module):def __init__(self, num_classes=2, init_weights=False):super(LeNet3D, self).__init__()if init_weights:self._initialize_weights()def _initialize_weights(self):for m in self.modules():if isinstance(m, nn.Conv3d):n = m.kernel_size[0] * m.kernel_size[1] * m.kernel_size[2] * m.out_channelsm.weight.data.normal_(0, math.sqrt(2. / n))if m.bias is not None:m.bias.data.zero_()elif isinstance(m, nn.BatchNorm3d):m.weight.data.fill_(1)m.bias.data.zero_()elif isinstance(m, nn.Linear):n = m.weight.size(1)m.weight.data.normal_(0, 0.01)m.bias.data.zero_()

模型初始化方式挺多的，全0初始化、随机初始化、高斯分布初始化、预训练模型初始化等等。如果没有主动定义初始化

更多summary的信息，可以参考这里：torch.summary打印出神经网络的形状和参数大小

1.3、小结

LeNet模型从2维到3维的构建过程，是比较简单的，通过尝试输入数据进行测试网络数据流，也是满足预期的。

其中，改变输入图像的宽高大小，对于卷积和池化的输入大小，是不需要做适应的。而全连接的输入，需要预先固定。所以，代码部分给出了数据流大小的计算过程，方便改写。

当然，这里只是简单学习了LeNet模型从2维变3维，且进行测试的过程。网络上前辈已经将目前常用的网络模型，基本都改好了3维版本的，所以，如果需要了，可以直接使用。

这里提供一个GitHub，包括了'c3d', 'squeezenet', 'mobilenet', 'resnext', 'resnet', 'shufflenet', 'mobilenetv2', 'shufflenetv2'的3维模型。链接：Efficient-3DCNNs

二、数据部分

由前面设计网络部分的模拟输入数据的结构，我们可以知道，接下来创建数据时候，也需要是1, 32, 64, 64的数据形式，表示32个1*64*64的图像，堆叠到了一起的一个数组。

2.1、GetLoader基础版本

这本篇的数据预处理中，我遵循如下的步骤：

首先，将需要的分类的目标，保存成[32, 1, 64, 64]的.nii数组文件
其次，itk.imread读取进来的，就是一个三维的结构数组
再进行归一化
分类标签采用从文件名传进来的形式，转化为one-hot形式

你也可以将保存nii数组文件这块内容，放到GetLoader出进行处理，也是可以的，就是代码不那么的简洁。

至此，一个简单的三维模型数据块准备完毕，代码如下：

import torch
from torch.utils.data import Dataset
from torch.utils import data as torch_data
import itk
import osclass GetLoader(Dataset):def __init__(self, data_root):super().__init__()self.data_root = data_rootself.list_path_data = os.listdir(data_root)def __getitem__(self, index):name_i = self.list_path_data[index]# print(name_i)data = itk.array_from_image(itk.imread(os.path.join(self.data_root, name_i)))# print(data.shape)data = (data - data.min()) / (data.max() - data.min())label_cls_str = name_i.split('_')[-1].split('.nii')[0]labels = [1, 0] if label_cls_str == 'malignant' else [0, 1]return torch.tensor(data[None, :]).float(), torch.tensor(labels).float()def __len__(self):return len(self.list_path_data)if __name__=='__main__':data_root = r"./database/val"dataNII = GetLoader(data_root)print(len(dataNII))valid_loader = torch_data.DataLoader(dataNII, batch_size=2, shuffle=False, num_workers=4,pin_memory=False)print(len(valid_loader))for i in range(len(dataNII)):image2d, label2d = dataNII[i]print('image size ......')print(image2d.shape)  # torch.Size([1, 32, 1, 64, 64])print('label size ......')print(label2d.shape)  # torch.Size([2])

这么是一个比较简单的版本。有基础版本，那就会有升级版本。后面我们还可以改变输入数据形式，比如图像数据是3通道的，增加数据增强方式等等。这部分内容，我们放到增强篇进行详述。

2.2、GetLoader数据可视化

这里，我们现有基础版本上，查看下数据构建出来的样子，代码如下：

import matplotlib.pyplot as plt
if __name__=='__main__':data_root = r"./data-channel_1/lidc/test"dataNII = GetLoader(data_root)print(len(dataNII))valid_loader = torch_data.DataLoader(dataNII, batch_size=2, shuffle=False, num_workers=4,pin_memory=False)print(len(valid_loader))for i in range(len(dataNII)):image2d, label2d = dataNII[i]print('image size ......')print(image2d.shape)  # (1, 32,  64, 64)print('label size ......')print(label2d.shape)  # (2)for j in range(image2d.shape[1]):oneImg = image2d[0, j, :, :]print(oneImg.shape)plt.subplot(4, 8, j + 1)plt.title(j)plt.imshow(oneImg, cmap='gray')plt.axis('off')plt.show()

显示的图片序列信息如下，一个3维的图像是32张，每一张又是64*64的大小，铺开显示，就是下面这样：

显示部分参考链接：pytorch 带batch的tensor类型图像怎么显示？

三、训练与评估

pytorch中，最为简答和最流程化的部分，就数训练了。主要遵循以下一个结构：

获取数据
获取模型
定义优化器
定义损失函数
循环epoch
循环一个epoch的多个batch
阶段性评估
保存模型
输出训练文档

上述精简版代码结构如下，之后我们在这个结构里面，进行填空就行：

def validation(valid_loader, path_ckpt):return loss_avg, acc_sumdef train():MAX_EPOCH = 70ITR_PER_CKPT_VAL = 1# 获取数据train_data_retriever = GetLoader(data_train)valid_data_retriever = GetLoader(data_val)train_loader = torch_data.DataLoader()valid_loader = torch_data.DataLoader()# 获取模型model = LeNet()model.train()model.to(device)# 定义优化器optimizer = torch.optim.SGD()# 循环epochfor i_epoch in range(1, MAX_EPOCH + 1):loss_sum = 0N = 0# 循环一个epoch的batchfor step, (data, label) in enumerate(train_loader):img = data.to(device)targets = label.to(device)outputs = model(img).squeeze(1)# 定义损失函数loss = F.cross_entropy(outputs, torch.max(targets, 1)[1]).to(device)loss_sum += loss.detach().item()optimizer.zero_grad()loss.backward()optimizer.step()loss_avg = loss_sum / len(train_loader)print("[Epoch " + str(i_epoch) + " | " + "train loss = " + ("%.7f" % loss_avg) + "]")# 保存模型path_ckpt = r"./checkpoints/" + str(i_epoch) + ".pth.tar"torch.save({"epoch": i_epoch, "model_state_dict": model.state_dict(),"optimizer_state_dict": optimizer.state_dict()}, path_ckpt)# 阶段性评估loss_val, acc_sum = validation(valid_loader, path_ckpt)accuracy = acc_sum * 100 / len(valid_data_retriever)print("[Epoch " + str(i_epoch) + " | " + "val loss = " + ("%.7f" % loss_val) + "  accuracy = " + ("%.3f" % accuracy) + "%]")if __name__=='__main__':train()

如果你以前也做过pytorch的分类任务，那么你可以直接拿出来，在上面改就可以了。本文使用到的定义如下列表：

数据的获取第一章节已经介绍完毕
模型的定义在第二章节已经介绍完毕
优化器采用常用的SGD
损失函数使用交叉熵损失cross_entropy

完整训练和验证代码如下：

import pandas as pd
import torch
from torch.utils import data as torch_data
from torch.nn import functional as torch_functional
import torch.nn.functional as F
from tensorboardX import SummaryWriterfrom Dataset import GetLoaderfrom models.LeNet import LeNet3Dos.environ["CUDA_VISIBLE_DEVICES"] = "0"
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")def validation(valid_loader, path_ckpt):model = LeNet3D()model_ckpt = torch.load(path_ckpt)model.load_state_dict(model_ckpt['model_state_dict'])# model = torch.nn.DataParallel(model).to(device)model.eval()model.to(device)loss_sum = 0acc_sum = 0for step, (data, label) in enumerate(valid_loader):img = data.to(device)# print(img.shape)targets = label.to(device)outputs = model(img).squeeze(1)loss = F.cross_entropy(outputs, torch.max(targets, 1)[1]).to(device)loss_sum += loss.detach().item()prediction = torch.max(outputs, 1)[1]pred_y = prediction.data.cpu().numpy()target = torch.max(targets, 1)[1]target_y = target.data.cpu().numpy()acc_sum += sum((pred_y-target_y)==0)loss_avg = loss_sum / len(valid_loader)return loss_avg, acc_sumdef train():MAX_EPOCH = 70ITR_PER_CKPT_VAL = 1data_train = './database/train'data_val = './database/val'train_data_retriever = GetLoader(data_train)valid_data_retriever = GetLoader(data_val)train_loader = torch_data.DataLoader(train_data_retriever, batch_size=8, shuffle=True, num_workers=4, pin_memory=False, worker_init_fn=_init_fn)valid_loader = torch_data.DataLoader(valid_data_retriever, batch_size=1, shuffle=False, num_workers=4, pin_memory=False, worker_init_fn=_init_fn)model = LeNet3D()# model = torch.nn.DataParallel(model).to(device)model.train()model.to(device)optimizer = torch.optim.SGD(model.parameters(), lr=0.001, momentum=0.9)best_valid_score = 0writer = SummaryWriter(comment='Linear')for i_epoch in range(1, MAX_EPOCH + 1):loss_sum = 0N = 0for step, (data, label) in enumerate(train_loader):img = data.to(device)# print(img.shape)targets = label.to(device)outputs = model(img).squeeze(1)loss = F.cross_entropy(outputs, torch.max(targets, 1)[1]).to(device)loss_sum += loss.detach().item()# print('run ', step, loss_sum)optimizer.zero_grad()loss.backward()optimizer.step()loss_avg = loss_sum / len(train_loader)print("[Epoch " + str(i_epoch) + " | " + "train loss = " + ("%.7f" % loss_avg) + "]")writer.add_scalar('scalar/train_loss', loss_avg, i_epoch)if i_epoch % ITR_PER_CKPT_VAL == 0:# Saving checkpoint.path_ckpt = r"./checkpoints/" + str(i_epoch) + ".pth.tar"torch.save({"epoch": i_epoch, "model_state_dict": model.state_dict(),"optimizer_state_dict": optimizer.state_dict()}, path_ckpt)loss_val, acc_sum = validation(valid_loader, path_ckpt)accuracy = acc_sum * 100 / len(valid_data_retriever)print("[Epoch " + str(i_epoch) + " | " + "val loss = " + ("%.7f" % loss_val) + "  accuracy = " + ("%.3f" % accuracy) + "%]")writer.add_scalar('scalar/val_loss', loss_val, i_epoch)writer.add_scalar('scalar/val_acc', accuracy, i_epoch)if best_valid_score < accuracy:path_ckpt_best = r"./checkpoints/best_acc.pth.tar"torch.save({"epoch": i_epoch, "model_state_dict": model.state_dict(),"optimizer_state_dict": optimizer.state_dict()}, path_ckpt_best)best_valid_score = accuracywriter.close()if __name__=='__main__':train()

到这里，从数据到网络，再到整合到一起的训练和验证过程，都完成了。从整个结构上来说，还是比较简单的。亮点就在于这是一个3维的模型，和3维的训练任务。拿二维的思路套在三维这里，是同样适用的。

对上述的代码部分没有逐一的进行介绍，不懂和感兴趣的，可以直接去我的博客主页，查看相关实战项目，有对这块部分拆解的文章，欢迎查看。

如果需要应用，直接改写validation部分即可。这里就不赘述了，后面我们就讲述到的，相信你自己也能改写的比较好。

四、总结

尽管已经完成了3为分类任务的整个过程，从数据的处理，到模型的构建，再到训练和评估。但依旧存在诸多问题，主要体现在以下几点：

LeNet3D模型结构较为简单
图像灰度图像，数据处理部分没有数据增强

目前想到要改进的就这么两点，也是我在下一篇增强篇里面，着重添加的部分。其中网络部分的模型，前面我已经添加了一个GitHub的链接，可以直接引用过来，替换LeNet3D，亲测有效。

图像增强部分，引入水平、垂直方向翻转、随机旋转、加噪声、滤波、归一化等等，希望通过这些数据增强的实战，能够自己也写几个符合自己数据集的数据增强方式，这是目的。

【实战篇】基于Pytorch的3D立体图像分类--基础篇相关推荐

【3D图像分类】基于Pytorch的3D立体图像分类2--数据增强篇
增强篇主要是对基础篇的一个补充,补充的内要主要是包括以下两个大的方面数据方面网络模型方面其中,数据方面主要是增加训练过程中的数据增强方式:网络模型方面引入残差结构的resent.mobile n ...
【图像分类】基于Pytorch的多类别图像分类实战
欢迎大家来到图像分类专栏,本篇基于Pytorch完成一个多类别图像分类实战. 作者 | 郭冰洋编辑 | 言有三 1 简介实现一个完整的图像分类任务,大致需要分为五个步骤: 1.选择开源框架目前常 ...
【项目实战课】基于Pytorch的InceptionNet花卉图像分类实战
欢迎大家来到我们的项目实战课,本期内容是<基于Pytorch的InceptionNet花卉图像分类实战>.所谓项目课,就是以简单的原理回顾+详细的项目实战的模式,针对具体的某一个主题,进行 ...
TOP16榜首之SQL注入＜宝藏文--- 工具实战演习＞ -- -- 小黑渗透工程栈（基础篇3 ）
之前两篇文章对sql注入做了简单详细的说明,这里会先做一下实战演习,然后会简单结合工具burp suite 和 sqlmap演示,以及对工具的使用说明. 此靶场为DVWA,下面链接是关于DVWA安装教 ...
鸟叔linux私房菜基础篇简体,鸟叔的Linux私房菜基础篇-学习笔记(一)
鸟叔的Linux私房菜基础篇-学习笔记(一) 开机进入命令行模式: ctrl+alt+[F1-F6]的任意键进入命令行编辑界面 ctrl+alt+F7进入图形界面模式开始下达指令 [dmtsai@s ...
Pytorch基础知识（15）基于PyTorch的多标签图像分类
早在 2012 年,神经网络就首次赢得了 ImageNet 大规模视觉识别挑战.Alex Krizhevsky,Ilya Sutskever 和 Geoffrey Hinton 彻底改变了图像分类领域 ...
基于Pytorch的3D卷积
3D卷积核相比于2D卷积核引入了时间尺度,并且在宽.高.深度(不是单张图像的通道数,这个深度可以理解为帧间)方向上进行滑窗. 在pytorch中,输入数据的维数可以表示为(N,C,D,H,W),其中: ...
【代码实战】基于pytorch实现中文文本分类任务
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要15分钟 Follow小博主,每天更新前沿干货来自 | 知乎地址 | https://zhuanlan.zhihu.com/p/73176 ...
NVIDIA开源了基于PyTorch的3D深度学习的综合库
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散编辑:Sophia 计算机视觉联盟报道 | 公众号 CVLianMeng 转载于 :https://techx ...

【实战篇】基于Pytorch的3D立体图像分类--基础篇