很久沒給大家?guī)斫坛藤Y源啦。

正值PyTorch 1.7更新，那么我們這次便給大家?guī)硪粋€(gè)PyTorch簡(jiǎn)單實(shí)用的教程資源：用PyTorch進(jìn)行語義分割。

圖源：stanford

該教程是基于2020年ECCV Vipriors Chalange Start Code實(shí)現(xiàn)了語義分割，并且添加了一些技巧。

友情提示：教程中的所有文件均可以在文末的開源地址獲取。

預(yù)設(shè)置

在開始訓(xùn)練之前，得首先設(shè)置一下庫(kù)、數(shù)據(jù)集等。

庫(kù)準(zhǔn)備

pip install -r requirements.txt 

下載數(shù)據(jù)集

教程使用的是來自Cityscapes的數(shù)據(jù)集MiniCity Dataset。

數(shù)據(jù)集的簡(jiǎn)單數(shù)據(jù)分析

將各基準(zhǔn)類別進(jìn)行輸入：

之后，便從0-18計(jì)數(shù)，對(duì)各類別進(jìn)行像素標(biāo)記：

使用deeplab v3進(jìn)行基線測(cè)試，結(jié)果發(fā)現(xiàn)次要類別的IoU特別低，這樣會(huì)導(dǎo)致難以跟背景進(jìn)行區(qū)分。

如下圖中所示的墻、柵欄、公共汽車、火車等。

分析結(jié)論：數(shù)據(jù)集存在嚴(yán)重的類別不平衡問題。

訓(xùn)練基準(zhǔn)模型

使用來自torchvision的DeepLabV3進(jìn)行訓(xùn)練。

硬件為4個(gè)RTX 2080 Ti GPU (11GB x 4)，如果只有1個(gè)GPU或較小的GPU內(nèi)存，請(qǐng)使用較小的批處理大小（< = 8）。 

python baseline.py --save_path baseline_run_deeplabv3_resnet50 --crop_size 576 1152 --batch_size 8;  
python baseline.py --save_path baseline_run_deeplabv3_resnet101 --model DeepLabv3_resnet101 --train_size 512 1024 --test_size 512 1024 --crop_size 384 768 --batch_size 8; 

 損失函數(shù)

有3種損失函數(shù)可供選擇，分別是：交叉熵?fù)p失函數(shù)（Cross-Entropy Loss）、類別加權(quán)交叉熵?fù)p失函數(shù)（Class-Weighted Cross Entropy Loss）和焦點(diǎn)損失函數(shù)（Focal Loss）。

交叉熵?fù)p失函數(shù)，常用在大多數(shù)語義分割場(chǎng)景，但它有一個(gè)明顯的缺點(diǎn)，那就是對(duì)于只用分割前景和背景的時(shí)候，當(dāng)前景像素的數(shù)量遠(yuǎn)遠(yuǎn)小于背景像素的數(shù)量時(shí)，模型嚴(yán)重偏向背景，導(dǎo)致效果不好。 

# Cross Entropy Loss  
python baseline.py --save_path baseline_run_deeplabv3_resnet50 --crop_size 576 1152 --batch_size 8; 

類別加權(quán)交叉熵?fù)p失函數(shù)是在交叉熵?fù)p失函數(shù)的基礎(chǔ)上為每一個(gè)類別添加了一個(gè)權(quán)重參數(shù)，使其在樣本數(shù)量不均衡的情況下可以獲得更好的效果。 

# Weighted Cross Entropy Loss  
python baseline.py --save_path baseline_run_deeplabv3_resnet50_wce --crop_size 576 1152 --batch_size 8 --loss weighted_ce; 

焦點(diǎn)損失函數(shù)則更進(jìn)一步，用來解決難易樣本數(shù)量不平衡。 

# Focal Loss  
python baseline.py --save_path baseline_run_deeplabv3_resnet50_focal --crop_size 576 1152 --batch_size 8 --loss focal --focal_gamma 2.0; 

歸一化層

有4種歸一化方法：BN（Batch Normalization）、IN（Instance Normalization）、GN（Group Normalization）和EvoNorm（Evolving Normalization）。

BN是在batch上，對(duì)N、H、W做歸一化，而保留通道 C 的維度。BN對(duì)較小的batch size效果不好。 

# Batch Normalization  
python baseline.py --save_path baseline_run_deeplabv3_resnet50 --crop_size 576 1152 --batch_size 8; 

IN在圖像像素上，對(duì)H、W做歸一化，用在風(fēng)格化遷移。 

# Instance Normalization  
python baseline.py --save_path baseline_run_deeplabv3_resnet50_instancenorm --crop_size 576 1152 --batch_size 8 --norm instance; 

GN將通道分組，然后再做歸一化。 

# Group Normalization  
python baseline.py --save_path baseline_run_deeplabv3_resnet50_groupnorm --crop_size 576 1152 --batch_size 8 --norm group; 

EvoNorm則是4月份由谷歌和DeepMind 聯(lián)合發(fā)布的一項(xiàng)新技術(shù)。實(shí)驗(yàn)證明，EvoNorms 在多個(gè)圖像分類模型上效果顯著，而且還能很好地遷移到 Mask R-CNN 模型和 BigGAN。 

# Evolving Normalization  
python baseline.py --save_path baseline_run_deeplabv3_resnet50_evonorm --crop_size 576 1152 --batch_size 8 --norm evo; 

數(shù)據(jù)增強(qiáng)

2種數(shù)據(jù)增強(qiáng)技術(shù)：CutMix、Copy Blob。

•  CutMix

將一部分區(qū)域cut掉但不填充0像素，而是隨機(jī)填充訓(xùn)練集中的其他數(shù)據(jù)的區(qū)域像素值，分類結(jié)果按一定的比例分配。

而在這里，則是在原有CutMix的基礎(chǔ)上，引入了語義分割。 

# CutMix Augmentation  
python baseline.py --save_path baseline_run_deeplabv3_resnet50_cutmix --crop_size 576 1152 --batch_size 8 --cutmix; 

•  Copy Blob

在 Blob 存儲(chǔ)的基礎(chǔ)上構(gòu)建，并通過Copy的方式增強(qiáng)了性能。

另外，如果要解決前面所提到的類別不平衡問題，則可以使用視覺歸納優(yōu)先的CopyBlob進(jìn)行增強(qiáng)。 

# CopyBlob Augmentation  
python baseline.py --save_path baseline_run_deeplabv3_resnet50_copyblob --crop_size 576 1152 --batch_size 8 --copyblob; 

推理

訓(xùn)練結(jié)束后，對(duì)訓(xùn)練完成的模型進(jìn)行評(píng)估。 

python baseline.py --save_path baseline_run_deeplabv3_resnet50 --batch_size 4 --predict; 

多尺度推斷

使用[0.5，0.75，1.0，1.25，1.5，1.75，2.0，2.2]進(jìn)行多尺度推理。另外，使用H-Flip，同時(shí)必須使用單一批次。 

# Multi-Scale Inference  
python baseline.py --save_path baseline_run_deeplabv3_resnet50 --batch_size 1 --predict --mst; 

使用驗(yàn)證集計(jì)算度量

計(jì)算指標(biāo)并將結(jié)果保存到results.txt中。 

python evaluate.py --results baseline_run_deeplabv3_resnet50/results_val --batch_size 1 --predict --mst; 

最終結(jié)果

最后的單一模型結(jié)果是0.6069831962012341，

如果使用了更大的模型或者更大的網(wǎng)絡(luò)結(jié)構(gòu)，性能可能會(huì)有所提高。

另外，如果使用了各種集成模型，性能也會(huì)有所提高。