憨批的语义分割重制版10——Tensorflow2 搭建自己的DeeplabV3+语义分割平台

2023-10-20 09:50

本文主要是介绍憨批的语义分割重制版10——Tensorflow2 搭建自己的DeeplabV3+语义分割平台,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

憨批的语义分割重制版10——Tensorflow2 搭建自己的DeeplabV3+语义分割平台

  • 注意事项
  • 学习前言
  • 什么是DeeplabV3+模型
  • 代码下载
  • DeeplabV3+实现思路
    • 一、预测部分
      • 1、主干网络介绍
      • 2、加强特征提取结构
      • 3、利用特征获得预测结果
    • 二、训练部分
      • 1、训练文件详解
      • 2、LOSS解析
  • 训练自己的DeeplabV3+模型
    • 一、数据集的准备
    • 二、数据集的处理
    • 三、开始网络训练
    • 四、训练结果预测

注意事项

这是重新构建了的DeeplabV3+语义分割网络,主要是文件框架上的构建,还有代码的实现,和之前的语义分割网络相比,更加完整也更清晰一些。建议还是学习这个版本的DeeplabV3+。

学习前言

DeeplabV3+也需要重构!
在这里插入图片描述

什么是DeeplabV3+模型

DeeplabV3+被认为是语义分割的新高峰,因为这个模型的效果非常好。
DeepLabv3+主要在模型的架构上作文章,引入了可任意控制编码器提取特征的分辨率,通过空洞卷积平衡精度和耗时。
在这里插入图片描述
DeeplabV3+在Encoder部分引入了大量的空洞卷积,在不损失信息的情况下,加大了感受野,让每个卷积输出都包含较大范围的信息。如下就是空洞卷积的一个示意图,所谓空洞就是特征点提取的时候会跨像素在这里插入图片描述

代码下载

Github源码下载地址为:
https://github.com/bubbliiiing/deeplabv3-plus-tf2

复制该路径到地址栏跳转。

DeeplabV3+实现思路

一、预测部分

1、主干网络介绍

在这里插入图片描述
DeeplabV3+在论文中采用的是Xception系列作为主干特征提取网络,本博客会给大家提供两个主干网络,分别是Xception和mobilenetv2。

但是由于算力限制(我没有什么卡),为了方便博客的进行,本文以mobilenetv2为例,给大家进行解析。

MobileNet模型是Google针对手机等嵌入式设备提出的一种轻量级的深层神经网络。

MobileNetV2是MobileNet的升级版,它具有一个非常重要的特点就是使用了Inverted resblock,整个mobilenetv2都由Inverted resblock组成。

Inverted resblock可以分为两个部分:
左边是主干部分,首先利用1x1卷积进行升维,然后利用3x3深度可分离卷积进行特征提取,然后再利用1x1卷积降维
右边是残差边部分,输入和输出直接相接
在这里插入图片描述

需要注意的是,在DeeplabV3当中,一般不会5次下采样,可选的有3次下采样和4次下采样,本文使用的4次下采样这里所提到的下采样指的是不会进行五次长和宽的压缩,通常选用三次或者四次长和宽的压缩。
在这里插入图片描述
在完成MobilenetV2的特征提取后,我们可以获得两个有效特征层,一个有效特征层是输入图片高和宽压缩两次的结果,一个有效特征层是输入图片高和宽压缩四次的结果。

from tensorflow.keras import layers
from tensorflow.keras.activations import relu
from tensorflow.keras.layers import (Activation, Add, BatchNormalization, Concatenate,Conv2D, DepthwiseConv2D, Dropout,GlobalAveragePooling2D, Input, Lambda, ZeroPadding2D)
from tensorflow.keras.models import Modeldef _make_divisible(v, divisor, min_value=None):if min_value is None:min_value = divisornew_v = max(min_value, int(v + divisor / 2) // divisor * divisor)if new_v < 0.9 * v:new_v += divisorreturn new_vdef relu6(x):return relu(x, max_value=6)def _inverted_res_block(inputs, expansion, stride, alpha, filters, block_id, skip_connection, rate=1):in_channels = inputs.shape[-1].value  # inputs._keras_shape[-1]pointwise_conv_filters = int(filters * alpha)pointwise_filters = _make_divisible(pointwise_conv_filters, 8)x = inputsprefix = 'expanded_conv_{}_'.format(block_id)if block_id:# Expandx = Conv2D(expansion * in_channels, kernel_size=1, padding='same',use_bias=False, activation=None,name=prefix + 'expand')(x)x = BatchNormalization(epsilon=1e-3, momentum=0.999,name=prefix + 'expand_BN')(x)x = Activation(relu6, name=prefix + 'expand_relu')(x)else:prefix = 'expanded_conv_'# Depthwisex = DepthwiseConv2D(kernel_size=3, strides=stride, activation=None,use_bias=False, padding='same', dilation_rate=(rate, rate),name=prefix + 'depthwise')(x)x = BatchNormalization(epsilon=1e-3, momentum=0.999,name=prefix + 'depthwise_BN')(x)x = Activation(relu6, name=prefix + 'depthwise_relu')(x)# Projectx = Conv2D(pointwise_filters,kernel_size=1, padding='same', use_bias=False, activation=None,name=prefix + 'project')(x)x = BatchNormalization(epsilon=1e-3, momentum=0.999,name=prefix + 'project_BN')(x)if skip_connection:return Add(name=prefix + 'add')([inputs, x])# if in_channels == pointwise_filters and stride == 1:#    return Add(name='res_connect_' + str(block_id))([inputs, x])return xdef mobilenetV2(inputs, alpha=1, downsample_factor=8):if downsample_factor == 8:block4_dilation = 2block5_dilation = 4block4_stride = 1atrous_rates = (12, 24, 36)elif downsample_factor == 16:block4_dilation = 1block5_dilation = 2block4_stride = 2atrous_rates = (6, 12, 18)else:raise ValueError('Unsupported factor - `{}`, Use 8 or 16.'.format(downsample_factor))first_block_filters = _make_divisible(32 * alpha, 8)# 512,512,3 -> 256,256,32x = Conv2D(first_block_filters,kernel_size=3,strides=(2, 2), padding='same',use_bias=False, name='Conv')(inputs)x = BatchNormalization(epsilon=1e-3, momentum=0.999, name='Conv_BN')(x)x = Activation(relu6, name='Conv_Relu6')(x)x = _inverted_res_block(x, filters=16, alpha=alpha, stride=1,expansion=1, block_id=0, skip_connection=False)#---------------------------------------------------------------## 256,256,16 -> 128,128,24x = _inverted_res_block(x, filters=24, alpha=alpha, stride=2,expansion=6, block_id=1, skip_connection=False)x = _inverted_res_block(x, filters=24, alpha=alpha, stride=1,expansion=6, block_id=2, skip_connection=True)skip1 = x#---------------------------------------------------------------## 128,128,24 -> 64,64.32x = _inverted_res_block(x, filters=32, alpha=alpha, stride=2,expansion=6, block_id=3, skip_connection=False)x = _inverted_res_block(x, filters=32, alpha=alpha, stride=1,expansion=6, block_id=4, skip_connection=True)x = _inverted_res_block(x, filters=32, alpha=alpha, stride=1,expansion=6, block_id=5, skip_connection=True)#---------------------------------------------------------------## 64,64,32 -> 32,32.64x = _inverted_res_block(x, filters=64, alpha=alpha, stride=block4_stride,expansion=6, block_id=6, skip_connection=False)x = _inverted_res_block(x, filters=64, alpha=alpha, stride=1, rate=block4_dilation,expansion=6, block_id=7, skip_connection=True)x = _inverted_res_block(x, filters=64, alpha=alpha, stride=1, rate=block4_dilation,expansion=6, block_id=8, skip_connection=True)x = _inverted_res_block(x, filters=64, alpha=alpha, stride=1, rate=block4_dilation,expansion=6, block_id=9, skip_connection=True)# 32,32.64 -> 32,32.96x = _inverted_res_block(x, filters=96, alpha=alpha, stride=1, rate=block4_dilation,expansion=6, block_id=10, skip_connection=False)x = _inverted_res_block(x, filters=96, alpha=alpha, stride=1, rate=block4_dilation,expansion=6, block_id=11, skip_connection=True)x = _inverted_res_block(x, filters=96, alpha=alpha, stride=1, rate=block4_dilation,expansion=6, block_id=12, skip_connection=True)#---------------------------------------------------------------## 32,32.96 -> 32,32,160 -> 32,32,320x = _inverted_res_block(x, filters=160, alpha=alpha, stride=1, rate=block4_dilation,  # 1!expansion=6, block_id=13, skip_connection=False)x = _inverted_res_block(x, filters=160, alpha=alpha, stride=1, rate=block5_dilation,expansion=6, block_id=14, skip_connection=True)x = _inverted_res_block(x, filters=160, alpha=alpha, stride=1, rate=block5_dilation,expansion=6, block_id=15, skip_connection=True)x = _inverted_res_block(x, filters=320, alpha=alpha, stride=1, rate=block5_dilation,expansion=6, block_id=16, skip_connection=False)return x,atrous_rates,skip1

2、加强特征提取结构

在这里插入图片描述
在DeeplabV3+中,加强特征提取网络可以分为两部分:
在Encoder中,我们会对压缩四次的初步有效特征层利用并行的Atrous Convolution,分别用不同rate的Atrous Convolution进行特征提取,再进行合并,再进行1x1卷积压缩特征。在这里插入图片描述
在Decoder中,我们会对压缩两次的初步有效特征层利用1x1卷积调整通道数,再和空洞卷积后的有效特征层上采样的结果进行堆叠,在完成堆叠后,进行两次深度可分离卷积块。
在这里插入图片描述
这个时候,我们就获得了一个最终的有效特征层,它是整张图片的特征浓缩。

def Deeplabv3(n_classes, inputs_size, alpha=1., backbone="mobilenet", downsample_factor=16):img_input = Input(shape=inputs_size)if backbone=="xception":x,atrous_rates,skip1 = Xception(img_input,alpha, downsample_factor=downsample_factor)elif backbone=="mobilenet":x,atrous_rates,skip1 = mobilenetV2(img_input,alpha, downsample_factor=downsample_factor)else:raise ValueError('Unsupported backbone - `{}`, Use mobilenet, xception.'.format(backbone))size_before = tf.keras.backend.int_shape(x)# 调整通道b0 = Conv2D(256, (1, 1), padding='same', use_bias=False, name='aspp0')(x)b0 = BatchNormalization(name='aspp0_BN', epsilon=1e-5)(b0)b0 = Activation('relu', name='aspp0_activation')(b0)# rate = 6 (12)b1 = SepConv_BN(x, 256, 'aspp1',rate=atrous_rates[0], depth_activation=True, epsilon=1e-5)# rate = 12 (24)b2 = SepConv_BN(x, 256, 'aspp2',rate=atrous_rates[1], depth_activation=True, epsilon=1e-5)# rate = 18 (36)b3 = SepConv_BN(x, 256, 'aspp3',rate=atrous_rates[2], depth_activation=True, epsilon=1e-5)# 全部求平均后,再利用expand_dims扩充维度,1x1# shape = 320b4 = GlobalAveragePooling2D()(x)b4 = Lambda(lambda x: K.expand_dims(x, 1))(b4)b4 = Lambda(lambda x: K.expand_dims(x, 1))(b4)# 压缩filterb4 = Conv2D(256, (1, 1), padding='same', use_bias=False, name='image_pooling')(b4)b4 = BatchNormalization(name='image_pooling_BN', epsilon=1e-5)(b4)b4 = Activation('relu')(b4)# 直接利用resize_images扩充hwb4 = Lambda(lambda x: tf.image.resize_images(x, size_before[1:3], align_corners=True))(b4)x = Concatenate()([b4, b0, b1, b2, b3])# 利用conv2d压缩# 32,32,256x = Conv2D(256, (1, 1), padding='same',use_bias=False, name='concat_projection')(x)x = BatchNormalization(name='concat_projection_BN', epsilon=1e-5)(x)x = Activation('relu')(x)x = Dropout(0.1)(x)# x4 (x2) blockskip_size = tf.keras.backend.int_shape(skip1)x = Lambda(lambda xx: tf.image.resize_images(xx, skip_size[1:3], align_corners=True))(x)dec_skip1 = Conv2D(48, (1, 1), padding='same',use_bias=False, name='feature_projection0')(skip1)dec_skip1 = BatchNormalization(name='feature_projection0_BN', epsilon=1e-5)(dec_skip1)dec_skip1 = Activation(tf.nn.relu)(dec_skip1)x = Concatenate()([x, dec_skip1])x = SepConv_BN(x, 256, 'decoder_conv0',depth_activation=True, epsilon=1e-5)x = SepConv_BN(x, 256, 'decoder_conv1',depth_activation=True, epsilon=1e-5)

3、利用特征获得预测结果

利用1、2步,我们可以获取输入进来的图片的特征,此时,我们需要利用特征获得预测结果。

利用特征获得预测结果的过程可以分为2步:
1、利用一个1x1卷积进行通道调整,调整成Num_Classes。
2、利用resize进行上采样使得最终输出层,宽高和输入图片一样。

在这里插入图片描述

#-----------------------------------------#
#   获得每个像素点的分类
#-----------------------------------------#
# 512,512
size_before3 = tf.keras.backend.int_shape(img_input)
# 512,512,21
x = Conv2D(n_classes, (1, 1), padding='same')(x)
x = Lambda(lambda xx:tf.image.resize_images(xx,size_before3[1:3], align_corners=True))(x)
x = Softmax()(x)model = Model(img_input, x, name='deeplabv3plus')
return model

二、训练部分

1、训练文件详解

我们使用的训练文件采用VOC的格式。
语义分割模型训练的文件分为两部分。
第一部分是原图,像这样:
在这里插入图片描述
第二部分标签,像这样:
在这里插入图片描述
原图就是普通的RGB图像,标签就是灰度图或者8位彩色图。

原图的shape为[height, width, 3],标签的shape就是[height, width],对于标签而言,每个像素点的内容是一个数字,比如0、1、2、3、4、5……,代表这个像素点所属的类别。

语义分割的工作就是对原始的图片的每一个像素点进行分类,所以通过预测结果中每个像素点属于每个类别的概率与标签对比,可以对网络进行训练。

2、LOSS解析

本文所使用的LOSS由两部分组成:
1、Cross Entropy Loss。
2、Dice Loss。

Cross Entropy Loss就是普通的交叉熵损失,当语义分割平台利用Softmax对像素点进行分类的时候,进行使用。

Dice loss将语义分割的评价指标作为Loss,Dice系数是一种集合相似度度量函数,通常用于计算两个样本的相似度,取值范围在[0,1]。

计算公式如下:
在这里插入图片描述
就是预测结果和真实结果的交乘上2,除上预测结果加上真实结果。其值在0-1之间。越大表示预测结果和真实结果重合度越大。所以Dice系数是越大越好。

如果作为LOSS的话是越小越好,所以使得Dice loss = 1 - Dice,就可以将Loss作为语义分割的损失了。
实现代码如下:

def dice_loss_with_CE(beta=1, smooth = 1e-5):def _dice_loss_with_CE(y_true, y_pred):y_pred = K.clip(y_pred, K.epsilon(), 1.0 - K.epsilon())CE_loss = - y_true[...,:-1] * K.log(y_pred)CE_loss = K.mean(K.sum(CE_loss, axis = -1))tp = K.sum(y_true[...,:-1] * y_pred, axis=[0,1,2])fp = K.sum(y_pred         , axis=[0,1,2]) - tpfn = K.sum(y_true[...,:-1], axis=[0,1,2]) - tpscore = ((1 + beta ** 2) * tp + smooth) / ((1 + beta ** 2) * tp + beta ** 2 * fn + fp + smooth)score = tf.reduce_mean(score)dice_loss = 1 - score# dice_loss = tf.Print(dice_loss, [dice_loss, CE_loss])return CE_loss + dice_lossreturn _dice_loss_with_CE

训练自己的DeeplabV3+模型

首先前往Github下载对应的仓库,下载完后利用解压软件解压,之后用编程软件打开文件夹。
注意打开的根目录必须正确,否则相对目录不正确的情况下,代码将无法运行。

一定要注意打开后的根目录是文件存放的目录。
在这里插入图片描述

一、数据集的准备

本文使用VOC格式进行训练,训练前需要自己制作好数据集,如果没有自己的数据集,可以通过Github连接下载VOC12+07的数据集尝试下。
训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的SegmentationClass中。

在这里插入图片描述

二、数据集的处理

在完成数据集的摆放之后,我们需要对数据集进行下一步的处理,目的是获得训练用的train.txt以及val.txt,需要用到根目录下的voc_annotation.py。

如果下载的是我上传的voc数据集,那么就不需要运行根目录下的voc_annotation.py。
如果是自己制作的数据集,那么需要运行根目录下的voc_annotation.py,从而生成train.txt和val.txt。
在这里插入图片描述

三、开始网络训练

通过voc_annotation.py我们已经生成了train.txt以及val.txt,此时我们可以开始训练了。训练的参数较多,大家可以在下载库后仔细看注释,其中最重要的部分依然是train.py里的num_classes。

num_classes用于指向检测类别的个数+1!训练自己的数据集必须要修改!

除此之外在train.py文件夹下面,选择自己要使用的主干模型backbone、预训练权重model_path和下采样因子downsample_factor。预训练模型需要和主干模型相对应。下采样因子可以在8和16中选择。
在这里插入图片描述
之后就可以开始训练了。

四、训练结果预测

训练结果预测需要用到两个文件,分别是deeplab.py和predict.py。
我们首先需要去deeplab.py里面修改model_path以及num_classes,这两个参数必须要修改。

model_path指向训练好的权值文件,在logs文件夹里。
num_classes指向检测类别的个数+1。

在这里插入图片描述
完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。

这篇关于憨批的语义分割重制版10——Tensorflow2 搭建自己的DeeplabV3+语义分割平台的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/246314

相关文章

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

C++字符串提取和分割的多种方法

《C++字符串提取和分割的多种方法》在C++编程中,字符串处理是一个常见的任务,尤其是在需要从字符串中提取特定数据时,本文将详细探讨如何使用C++标准库中的工具来提取和分割字符串,并分析不同方法的适用... 目录1. 字符串提取的基本方法1.1 使用 std::istringstream 和 >> 操作符示

使用DeepSeek搭建个人知识库(在笔记本电脑上)

《使用DeepSeek搭建个人知识库(在笔记本电脑上)》本文介绍了如何在笔记本电脑上使用DeepSeek和开源工具搭建个人知识库,通过安装DeepSeek和RAGFlow,并使用CherryStudi... 目录部署环境软件清单安装DeepSeek安装Cherry Studio安装RAGFlow设置知识库总

Linux搭建Mysql主从同步的教程

《Linux搭建Mysql主从同步的教程》:本文主要介绍Linux搭建Mysql主从同步的教程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux搭建mysql主从同步1.启动mysql服务2.修改Mysql主库配置文件/etc/my.cnf3.重启主库my

国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)

《国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)》本文给大家利用deepseek模型搭建私有知识问答库的详细步骤和遇到的问题及解决办法,感兴趣的朋友一起看看吧... 目录1. 第1步大家在安装完ollama后,需要到系统环境变量中添加两个变量2. 第3步 “在cmd中

本地搭建DeepSeek-R1、WebUI的完整过程及访问

《本地搭建DeepSeek-R1、WebUI的完整过程及访问》:本文主要介绍本地搭建DeepSeek-R1、WebUI的完整过程及访问的相关资料,DeepSeek-R1是一个开源的人工智能平台,主... 目录背景       搭建准备基础概念搭建过程访问对话测试总结背景       最近几年,人工智能技术

使用Python实现批量分割PDF文件

《使用Python实现批量分割PDF文件》这篇文章主要为大家详细介绍了如何使用Python进行批量分割PDF文件功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、架构设计二、代码实现三、批量分割PDF文件四、总结本文将介绍如何使用python进js行批量分割PDF文件的方法

5分钟获取deepseek api并搭建简易问答应用

《5分钟获取deepseekapi并搭建简易问答应用》本文主要介绍了5分钟获取deepseekapi并搭建简易问答应用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需... 目录1、获取api2、获取base_url和chat_model3、配置模型参数方法一:终端中临时将加

使用Python将长图片分割为若干张小图片

《使用Python将长图片分割为若干张小图片》这篇文章主要为大家详细介绍了如何使用Python将长图片分割为若干张小图片,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. python需求的任务2. Python代码的实现3. 代码修改的位置4. 运行结果1. Python需求