【机器学习实战高阶】基于深度学习的图像分割

在这里插入图片描述

机器学习项目图像分割

你可能已经注意到，大脑如何快速高效地识别并分类眼睛感知到的事物。大脑以某种方式进行训练，以便能够从微观层面分析所有内容。这种能力有助于我们从一篮子橙子中分辨出一个苹果。

计算机视觉是计算机科学的一个领域，它使计算机能够识别和处理视频和图像中的物体，就像人类一样。尽管计算机视觉看似并不是一个非常新的概念，但它可以追溯到20世纪60年代末，当时第一台数字图像扫描仪问世，该扫描仪将图像转换为数字网格。

图像分割示例

什么是图像分割？

你可能听说过物体检测和图像定位。当图像中只有一个物体时，我们使用图像定位技术在该物体周围绘制一个边界框。在物体检测的情况下，它会提供标签和边界框，因此我们可以预测物体的位置和类别。

图像分割可以提供关于图像形状的更详细的微观信息，因此是物体检测概念的延伸。

我们通过将图像分割成不同颜色的区域来区分物体，这有助于在更细微的层面上区分不同的物体。
在这里插入图片描述

图像分割的类型

图像分割大致可以分为两种类型：
在这里插入图片描述

语义分割
语义分割是将图像像素分割成它们各自的类别。例如，在上图中，猫与黄色相关联，因此所有与猫相关的像素都被标记为黄色。同一类别的多个物体被视为一个实体，因此用相同颜色表示。
实例分割
实例分割更为细致，通常在处理多个物体时使用。不同之处在于，检测到的物体被用一种颜色标记，因此所有与该物体相关的像素都被赋予相同的颜色。同一类别的多个物体被视为不同的实体，因此用不同的颜色表示。

图像分割应用

自动驾驶汽车
图像分割可以用于自动驾驶汽车中，以轻松区分各种物体，如交通信号灯、指示牌、行人和汽车。这有助于驾驶指令算法在生成下一步指令之前更好地评估周围环境。
居中的图片:
电路板缺陷检测
公司需要承担缺陷设备的责任。如果用一个带有图像分割模型的相机不断扫描最终产品的缺陷，可以节省大量时间和金钱来修复有缺陷的设备。
面部检测
如今，我们注意到大多数手机的摄像头都支持人像模式。人像模式实际上是图像分割技术的结果。此外，当面部可以从嘈杂的物体中区分出来时，安全监控将更加有效。
医学成像
图像分割可以用于从医学报告中提取临床相关的信息。例如，图像分割可以用于分割肿瘤。

Mask R-CNN

我们将使用Mask R-CNN架构进行图像分割。它是Faster R-CNN模型的扩展，后者常用于物体检测任务。

Mask R-CNN可以返回二进制物体掩码，除了类别标签和物体边界框之外。Mask R-CNN擅长像素级别的分割。

Mask R-CNN的工作原理

Mask R-CNN使用与其前身Faster R-CNN类似的架构，并且还利用全卷积网络进行像素级别的分割。

特征提取
我们使用ResNet 101架构从输入图像中提取特征。结果是得到特征图，这些特征图被传输到Region Proposal Network（RPN）。
区域提议网络（RPN）
在获得特征图之后，确定边界框候选区域，因此RPN提取RoI（感兴趣区域）。
RoI Pool层
Faster R-CNN使用RoI Pool层来计算从提取的提议中得出的特征，以便推断物体的类别和边界框坐标。
RoI Align层
由于RoI坐标量化导致在获取感兴趣区域时出现对齐问题。由于像素级别的分割需要精确度，因此Faster R-CNN的作者巧妙地通过实现RoI Align来解决这个问题。

掩码是通过一个小的全连接网络应用于每个RoI，该网络以像素对像素的方式预测分割掩码。

构建图像分割项目的步骤

下载图像分割项目代码

请下载图像分割项目的源代码：图像分割与机器学习

克隆Mask R-CNN Github仓库
首先，我们下载将要实现的模型架构。直接下载:https://download.csdn.net/download/jrckkyy/90291632
库依赖
为了使其正常工作，我们需要某些库，你可能还没有安装所有必要的库。
以下是你需要的库列表：
- numpy
- scipy
- pillow
- cython
- matplotlib
- scikit-image
- tensorflow
- keras
- opencv-python
- h5py
- imgaug
- ipython
注：如果你在Windows上无法成功安装‘pycocotools’，可以尝试安装这个版本，它在我这里工作得很好。
预训练权重
由于训练模型需要数小时甚至几天，因此现在很难训练模型。因此，我们将使用预训练模型来对我们输入的图像进行预测。

从github下载预训练模型

跟随这个链接，你会看到Mask-RCNN的发布列表。你可以尝试最新版本，但由于有不一致的问题，我使用了Mask R-CNN 2.0。你可以直接下载h5文件并将其保存到我们在第一步中克隆的Mask R-CNN仓库的samples文件夹中。
创建新的Jupyter Notebook
到目前为止，我们已经组装好了引擎，现在是时候利用我们引擎的力量，一路驶向分割后的图像了。

我们将在Mask R-CNN仓库的samples文件夹中创建一个新的Jupyter Notebook，你可以使用其他IDE，但Jupyter Notebook可以方便地逐个执行代码单元。

如果你没有强大的系统，可以使用Google Colab来运行代码，但请确保正确上传仓库和h5文件。

导入必要的库

# 导入必要的库
import os
import sys
import random
import math
import numpy as np
import skimage.io
import matplotlib
import matplotlib.pyplot as plt

# 获取根目录
ROOT_DIR = os.path.abspath("../")

# 忽略警告
import warnings
warnings.filterwarnings("ignore")

# 导入Mask RCNN
sys.path.append(ROOT_DIR)  # 将库的本地版本添加到路径中
from mrcnn import utils
import mrcnn.model as modellib
from mrcnn import visualize

# 进入coco目录
sys.path.append(os.path.join(ROOT_DIR, "samples/coco/"))  

# 导入coco.py
import coco

# 在Jupyter Notebook中显示图像
%matplotlib inline

注1：如果你在定位目录时感到困惑或卡住，可以输入print(ROOT_DIR)来查看你引用的目录。
注2：你可能会遇到与‘pycocotools’相关的错误。如果你在Windows上无法成功安装‘pycocotools’，可以尝试安装这个版本，它在我这里工作得很好。

预训练权重的路径

# 保存日志和训练模型的目录
MODEL_DIR = os.path.join(ROOT_DIR, "logs")

# 预训练权重文件的本地路径
COCO_MODEL_PATH = os.path.join('', "mask_rcnn_coco.h5")

# 要进行检测的图像目录
DIR_IMAGE = os.path.join(ROOT_DIR, "images")

推理类以推断Mask R-CNN模型
```
class InferenceConfig(coco.CocoConfig):
    # 将batch size设置为1，因为我们每次仅处理一张图像。batch size = GPU_COUNT * IMAGES_PER_GPU
    GPU_COUNT = 1
    IMAGES_PER_GPU = 1

config = InferenceConfig()
config.display()
```
输出：
```
config
```
你看到的是我们将要使用的Mask R-CNN模型的规格。主干是resnet101，它有助于从图像中提取特征。

下一个重要的观察点是掩码形状，为28×28，因为它是在COCO数据集上训练的，我们总共有81个类别。

这意味着有81种可能的预测类别，物体可以属于其中的一种。

加载权重

# 在推理模式下创建模型对象
model = modellib.MaskRCNN(mode="inference", model_dir='mask_rcnn_coco.h5', config=config)

# 加载在MS-COCO上训练的权重
model.load_weights('mask_rcnn_coco.h5', by_name=True)

加载图像以测试模型

# 读取图像
image = skimage.io.imread('../images/4410436637_7b0ca36ee7_z.jpg')

# 显示原始图像
plt.figure(figsize=(12,10))
skimage.io.imshow(image)

输出：

选择的图像

在这里插入图片描述

将图像发送到模型以生成预测结果

# 运行检测
results = model.detect([image], verbose=1)

将结果掩码应用到图像中
```
# 可视化结果
r = results[0]
visualize.display_instances(image, r['rois'], r['masks'], r['class_ids'],
```
这是你一直在迫切等待的时刻，以下是输出结果：
```
图像分割输出
```
好的！我们成功地分割了图像，并且可以看到我们的代码表现非常出色。如果你成功完成了这一步，那就恭喜你！
检测到的物体数量
现在，如果你想知道我们成功检测到的物体数量，只需输入以下代码：
```
# 获取掩码
mask = r['masks']
mask = mask.astype(int)
mask.shape
```
输出：
```
(426, 640, 7)
```

在这里插入图片描述

从这里我们可以看到，模型在图像中共检测到了7个物体。

参考资料

资料名称	链接
Image Segmentation with Machine Learning	http://www.example.com/image-segmentation-with-machine-learning
Introduction to Mask R-CNN	https://www.example.com/introduction-to-mask-r-cnn
Semantic Segmentation in Computer Vision	https://www.example.com/semantic-segmentation-in-computer-vision
Instance Segmentation in Computer Vision	https://www.example.com/instance-segmentation-in-computer-vision
ResNet Architecture	https://www.example.com/resnet-architecture
Faster R-CNN Explained	https://www.example.com/faster-r-cnn-explained
RoI Pooling vs RoI Align	https://www.example.com/roi-pooling-vs-roi-align
COCO Dataset	https://cocodataset.org/
TensorFlow Official Documentation	https://www.tensorflow.org/
Keras Official Documentation	https://keras.io/
OpenCV Official Documentation	https://opencv.org/
GitHub - Matterport/Mask_RCNN	https://github.com/matterport/Mask_RCNN
Cornell University - Computer Vision	http://www.cs.cornell.edu/courses/cs5670/2020sp/
Stanford University - CS231n	http://cs231n.stanford.edu/
PyCocotools Installation Guide	https://www.example.com/pycocotools-installation-guide