基于全卷积神经网络(FCN)实现图像分割 |
您所在的位置：网站首页 › 图像分割的经典算法fcn › 基于全卷积神经网络(FCN)实现图像分割 |
基于全卷积神经网络(FCN)实现图像分割
|
目录
1、作者介绍2、网络及数据集介绍2.1 FCN算法2.2 VOC_2012数据集2.3 制作自己的语义分割数据集2.3.1 标注方式一：多边形标注2.3.1.1 labelMe安装与数据标注2.3.1.2 数据格式转换2.3.1.3 数据集分类
2.3.2 标注方式二：像素级涂抹
3、基于RESNet50骨干的FCN语义分割模型实验3.1 网络结构3.2 代码实现3.2.1 RESNet主干3.2.2 改进膨胀卷积的残差模块3.2.2 FCN的思想
3.3 训练及测试
参考连接
1、作者介绍
李吉国，西安工程大学电子信息学院，2022级研究生 研究方向：机器视觉与人工智能 电子邮件：[email protected] 陈梦丹，女，西安工程大学电子信息学院，2022级研究生 研究方向：机器视觉与人工智能 电子邮件：[email protected] 2、网络及数据集介绍 2.1 FCN算法CNN能够对图片进行分类，可是怎么样才能识别图片中特定部分的物体？在2015年之前还是一个世界难题。 Jonathan Long发表了论文：《Fully Convolutional Networks for Semantic Segmentation》 论文下载链接：https://arxiv.org/abs/1411.4038 通常CNN网络在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图映射成一个固定长度的特征向量。以AlexNet为代表的经典CNN结构适合于图像级的分类和回归任务，因为它们最后都期望得到整个输入图像的一个数值描述（概率），比如AlexNet的ImageNet模型输出一个1000维的向量表示输入图像属于每一类的概率(softmax归一化)。 VOC_2012数据集来源于PASCAL VOC挑战赛（The PASCAL Visual Object Classes），该数据集主要包括20个类别，可用于目标检测、目标分割、行为识别等任务。可选择在官网下载或者使用百度网盘进行下载。 （1）官网下载地址： 链接1：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar 链接2：https://pjreddie.com/projects/pascal-voc-dataset-mirror/ （2）百度网盘下载地址： 链接: https://pan.baidu.com/s/1ln-1Pa2VzXx5P9179PPvvQ 提取码：miao 原始图片（左侧）及标签（右侧）如下图所示： 使用工具：Labelme 在进行Segmentation训练之前需要准备训练集和验证集，本节将要来介绍如何使用LabelMe进行标记。LabelMe是个可以绘制多边形、矩形、圆形、直线、点的一套标记工具，可用于分类、目标检测、语义分割、实例分割任务上的数据标注。 2.3.1.1 labelMe安装与数据标注首先安装LabelMe，我使用Anaconda 进行安装。打开Anaconda Prompt 执行以下指令: pip install labelme接着输入labelme 会出现以下UI 介面，点选Open Dir 选择要标记的图片资料夹Labelme 全部数据集标注完成后，将json文件批量转化为训练所需的标注图像。标注图像所存放的文件夹为data_mask/masks，代码如下： import os import cv2 import numpy as np import json ''' 制作一个只包含分类标注的标签图像，假如我们分类的标签为cat和dog，那么该标签图像中，Background为0，cat为1，dog为2。 我们首先要创建一个和原图大小一致的空白图像，该图像所有像素都是0，这表示在该图像中所有的内容都是Background。 然后根据标签对应的区域使用与之对应的类别索引来填充该图像，也就是说，将cat对应的区域用1填充，dog对应的区域用2填充。 特别注意的是，一定要有Background这一项且一定要放在index为0的位置。 ''' # 分类标签，一定要包含'Background'且必须放在最前面 category_types = ['Background', 'Gingerbread', 'Coconutmilk'] # 将图片标注json文件批量生成训练所需的标签图像png imgpath_list = os.listdir('data_mask/images') for img_path in imgpath_list: img_name = img_path.split('.')[0] img = cv2.imread(os.path.join('data_mask/images', img_path)) h, w = img.shape[:2] # 创建一个大小和原图相同的空白图像 mask = np.zeros([h, w, 1], np.uint8) with open('data_mask/jsons/'+img_name+'.json', encoding='utf-8') as f: label = json.load(f) shapes = label['shapes'] for shape in shapes: category = shape['label'] points = shape['points'] # 将图像标记填充至空白图像 points_array = np.array(points, dtype=np.int32) mask = cv2.fillPoly(mask, [points_array], category_types.index(category)) # 生成的标注图像必须为png格式 cv2.imwrite('data_mask/masks/'+img_name+'.png', mask)此时，我们打开查看生成的标注图像，但是，会发现：怎么是全黑的图像？ 如果想查看某个类别的标注情况，可以在mask = cv2.fillPoly(mask, [points_array], category_types.index(category))中将该颜色改为一个清晰可见的颜色，例如将Gingerbread的像素值改成125，将Coconutmilk的像素值改为255，就可以清晰的看到我们标注的图像了。但是最终制作标签的时候要记得将其改回对应的索引值。 for shape in shapes: category = shape['label'] points = shape['points'] # 将图像标记填充至空白图像 points_array = np.array(points, dtype=np.int32) # mask = cv2.fillPoly(mask, [points_array], category_types.index(category)) if category == 'Gingerbread': # 调试时将某种标注的填充颜色改为255，便于查看用，实际时不需进行该操作 mask = cv2.fillPoly(mask, [points_array], 125) elif category == 'Coconutmilk': mask = cv2.fillPoly(mask, [points_array], 255) else: mask = cv2.fillPoly(mask, [points_array], category_types.index(category)) cv2.imshow('mask', mask) cv2.waitKey(0)
以上步骤完成后，我们需将数据集分为训练集、验证集和测试集进行训练，在这里划分数据集的代码我也写好了，按照7:2:1进行划分，代码如下： import os import random import shutil ''' ├── data(按照7:2:1比例划分) │ ├── train 存放用于训练的图片 │ ├── trainannot 存放用于训练的图片标注 │ ├── val 存放用于验证的图片 │ ├── valannot 存放用于验证的图片标注 │ ├── test 存放用于测试的图片 │ ├── testannot 存放用于测试的图片标注 ''' # 创建数据集文件夹 dirpath_list = ['data/train', 'data/trainannot', 'data/val', 'data/valannot', 'data/test', 'data/testannot'] for dirpath in dirpath_list: if os.path.exists(dirpath): shutil.rmtree(dirpath) # 删除原有的文件夹 os.makedirs(dirpath) # 创建文件夹 elif not os.path.exists(dirpath): os.makedirs(dirpath) # 训练集、验证集、测试集所占比例 train_percent = 0.7 val_percent = 0.2 test_percent = 0.1 # 数据集原始图片所存放的文件夹，必须为png文件 imagefilepath = 'data_mask/images' total_img = os.listdir(imagefilepath) # 所有数据集的图片名列表 total_name_list = [row.split('.')[0] for row in total_img] num = len(total_name_list) num_list = range(num) # 训练集、验证集、测试集所包含的图片数目 train_tol = int(num * train_percent) val_tol = int(num * val_percent) test_tol = int(num * test_percent) # 训练集在total_name_list中的index train_numlist = random.sample(num_list, train_tol) # 验证集在total_name_list中的index val_test_numlist = list(set(num_list) - set(train_numlist)) val_numlist = random.sample(val_test_numlist, val_tol) # 测试集在total_name_list中的index test_numlist = list(set(val_test_numlist) - set(val_numlist)) # 将数据集和标签图片安装分类情况依次复制到对应的文件夹 for i in train_numlist: img_path = 'data_mask/images/'+total_name_list[i]+'.png' new_path = 'data/train/'+total_name_list[i]+'.png' shutil.copy(img_path, new_path) img_path = 'data_mask/masks/' + total_name_list[i] + '.png' new_path = 'data/trainannot/' + total_name_list[i] + '.png' shutil.copy(img_path, new_path) for i in val_numlist: img_path = 'data_mask/images/'+total_name_list[i]+'.png' new_path = 'data/val/'+total_name_list[i]+'.png' shutil.copy(img_path, new_path) img_path = 'data_mask/masks/' + total_name_list[i] + '.png' new_path = 'data/valannot/' + total_name_list[i] + '.png' shutil.copy(img_path, new_path) for i in test_numlist: img_path = 'data_mask/images/'+total_name_list[i]+'.png' new_path = 'data/test/'+total_name_list[i]+'.png' shutil.copy(img_path, new_path) img_path = 'data_mask/masks/' + total_name_list[i] + '.png' new_path = 'data/testannot/' + total_name_list[i] + '.png' shutil.copy(img_path, new_path) 2.3.2 标注方式二：像素级涂抹使用工具：精灵标注助手 精灵标注助手是制作数据集中比较容易上手的一款软件。 精灵标注助手官网下载链接: http://www.jinglingbiaozhu.com/ 在精灵标注助手中实际操作的过程如下： RESNet50的结构如下：
完整项目代码地址（百度网盘）： 链接: https://pan.baidu.com/s/1HQgce250IuG-I61UY2JNgw 提取码：uy5f 运行train.py即可开始训练（修改里面的相关配置参数以及RESNet的预训练权重） https://blog.csdn.net/oJiWuXuan/article/details/119569038 https://blog.csdn.net/qq_40280673/article/details/123682672 |
FCN对图像进行像素级的分类，从而解决了语义级别的图像分割问题。与经典的CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类（全联接层＋softmax输出）不同，FCN可以接受任意尺寸的输入图像，采用反卷积层对最后一个卷积层的feature map进行上采样, 使它恢复到输入图像相同的尺寸，从而可以对每个像素都产生了一个预测, 同时保留了原始输入图像中的空间信息, 最后在上采样的特征图上进行逐像素分类。最后逐个像素计算softmax分类的损失, 相当于每一个像素对应一个训练样本。下图是Longjon用于语义分割所采用的全卷积网络(FCN)的结构示意图： 
为了便于理解，这里给出一种基于VGG16主干的FCN分割模型结构，如下图，主干为原生的VGG16网络，但是，在最后阶段，并没有像做分类任务一样将特征图展平进行全连接，而是使用FCN的思想对逐像素进行分类，最后使用双线性插值还原原图尺寸，实现分割任务。 
在图片上按右键选择Create Polygans 后，就可以开始画标记点了、画好后填入要标记的label 
语义分割时若有多个相同类别的目标物也选择一样的label，不同类别分别标注标签： 
再点击左边的Save，会生成与图片名相同json文件，将其存放在data_mask/jsons文件夹中，最后选择左边的Next Image。json格式文件如下：
此时，千万不要怀疑，因为这就是正确的标注图像。该标注图像包含背景和我们设定的两个标签，背景位置对应的像素值应该为0，标签图像对应的像素值应该为1或2，该图像只包含0、1和2，因为1和2这个像素值太小了，无法看清，如果打开图像查看的话，就是一个全黑的图像。
像素级标注时会给你一个画笔，涂抹需要标注的区域并标记标签，最后导出标注文件，这个软件不好的一点是，导出的路径不可以自选，操作如下： 
导出的标签如下，导出的标签是调色板图像，是无法作为数据集的标签的，因为没有背景像素值，需要进行处理，给背景补0即可。 
基于RESNet50的FCN结构： 
测试结果： 
【本文地址】
今日新闻 |
推荐新闻 |