0、介绍

1、VGG16网络结构

2、转置卷积

采用转置卷积的目的就是实现上采样，不过在FCN代码中采用的是双线性插值法
查看另一篇博文：
转置卷积部分

3、FCN-32S、FCN-16S，FCN-8S网络结构

FCN-16S网络使用到了Maxpool4 feature map作为融合特征 ↑↑↑↑

FCN-16S网络使用到了Maxpool4 feature map与Maxpool3 feature map作为融合特征 ↑↑↑↑
网络中的使用转置卷积的模块，在代码中实际采用的上采样模块实现

4、损失函数

损失函数采用Cross Entropy Loss

5、膨胀卷积

在进行语义分割过程中，通常需要分类网络作为网络的backbone进行一系列的下采样，再通过一系列的上采样还原回图像的原始尺寸；存在问题是在下采样过程中，如果采样倍率过大则对还原回原图是有很大影响的

膨胀卷积的优点：

• 增大感受野
• 保持原输入特征图的W、H
  
  
  特征图中像素间的间隔数=dilation rate - 1
  
  上图为空洞卷积的实现，参数填写为padding=dilation，dilation=dilation
  即：dilation=dilation为空洞数
  如果想保证输入特征图尺寸等于输出特征图尺寸，则需要padding=dilation，dilation=dilation
  
  
  膨胀卷积的缺陷问题：
  
  
  Gridding Effect问题↑↑↑↑↑

避免Gridding Effect的策略是：不要连续的使用膨胀卷积或将膨胀因子设置成锯齿结构

将膨胀因子设置成锯齿结构↑↑↑↑↑

6、FCN(Backbone-ResNet-50)

6.1 项目框架

6.2 ResNet50网络结构

6.3 FCN(Backbone-ResNet-50)网络结构

搭建主网络

make_bolck

bottlneck

6.4 FCN(Backbone-ResNet-50)模型搭建流程演示图

7、评价指标

上图中假设类别为n_class=4（包含背景类别）
第一步：假定真实的GT标签为GT=[0，1，1，2，2，3，1，2，3]
真是标签列表索引为GT_inds=[0，1，2，3，4，5，6，7，8，9]
第二步：将类别数n_class x GT + Predict （得到对应像素在混淆矩阵展平后的位置）
得到location=[1，5，5，10，11，15，5，10，15]
第三步：在用统计直方图的方法统计location中每一个数值出现的频次

torch.bincount(inds, minlength=n**2).reshape(n, n)

得到混淆矩阵：

求得每一类别对应的准确率：

计算每个类别预测与真实目标的iou

代码实现：

class ConfusionMatrix(object):
    def __init__(self, num_classes):
        self.num_classes = num_classes
        self.mat = None

    def update(self, a, b):
        n = self.num_classes   # gqr:其包含背景类别
        if self.mat is None:
            # 创建混淆矩阵
            self.mat = torch.zeros((n, n), dtype=torch.int64, device=a.device)
        with torch.no_grad():
            # 寻找GT中为目标的像素索引
            k = (a >= 0) & (a < n)   # gqr：利用(a < n)忽略掉值为255的像素
            # 统计像素真实类别a[k]被预测成类别b[k]的个数(这里的做法很巧妙)
            inds = n * a[k].to(torch.int64) + b[k]
            self.mat += torch.bincount(inds, minlength=n**2).reshape(n, n)

    def reset(self):
        if self.mat is not None:
            self.mat.zero_()

    def compute(self):
        h = self.mat.float()
        # 计算全局预测准确率(混淆矩阵的对角线为预测正确的个数)
        acc_global = torch.diag(h).sum() / h.sum()
        # 计算每个类别的准确率
        acc = torch.diag(h) / h.sum(1)
        # 计算每个类别预测与真实目标的iou
        iu = torch.diag(h) / (h.sum(1) + h.sum(0) - torch.diag(h))
        return acc_global, acc, iu

    def reduce_from_all_processes(self):
        if not torch.distributed.is_available():
            return
        if not torch.distributed.is_initialized():
            return
        torch.distributed.barrier()
        torch.distributed.all_reduce(self.mat)

    def __str__(self):
        acc_global, acc, iu = self.compute()
        return (
            'global correct: {:.1f}\n'
            'average row correct: {}\n'
            'IoU: {}\n'
            'mean IoU: {:.1f}').format(
                acc_global.item() * 100,
                ['{:.1f}'.format(i) for i in (acc * 100).tolist()],
                ['{:.1f}'.format(i) for i in (iu * 100).tolist()],
                iu.mean().item() * 100)

[epoch: 183]
train_loss: 0.3513
lr: 0.000010
global correct: 92.7
average row correct: ['97.1', '84.3', '70.9', '81.5', '67.0', '82.2', '77.7', '89.9', '93.2', '59.5', '50.4', '69.8', '80.4', '62.5', '86.1', '95.0', '70.8', '78.9', '62.9', '83.2', '88.4']
IoU: ['93.7', '82.7', '58.1', '75.1', '61.4', '69.4', '74.8', '77.8', '76.2', '37.3', '47.8', '57.7', '57.7', '56.9', '77.3', '87.9', '60.7', '63.9', '45.8', '71.9', '70.0']
mean IoU: 66.9

8、数据集

参照博文：
PASCAL VOC2012数据集详细介绍-5、语义分割任务

8.1 数据集预处理

Random Resize

在对mask图像进行缩放时，必须采用最邻近插值法，以为如果采用双线性插值，回出现引入杂乱的像素值

RandomHorizontalFlip

RandomCrop


ToTensor

Normalize

9、Loss损失函数

采用交叉熵损失函数

10、学习策略

采用warm up热身训练，

11、测试效果

多GPU训练指令

python -m torch.distributed.launch --nproc_per_node=2 --use_env train_multi_GPU.py