摘要

在上一篇文章，我总结了一些UNet的基础知识，对UNet不了解的可以看看，文章链接：https://wanghao.blog.csdn.net/article/details/123714994

我也整理的UNet的pytorch版本，文章链接：

https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/123280059

今天这篇文章讲解如何使用UNet实现图像的二分类分割。

关于二分类一般有两种做法：

第一种输出是单通道，即网络的输出 output 为 [batch_size, 1, height, width] 形状。其中 batch_szie 为批量大小，1 表示输出一个通道，height 和 width 与输入图像的高和宽保持一致。

在训练时，输出通道数是 1，网络得到的 output 包含的数值是任意的数。给定的 target ，是一个单通道标签图，数值只有 0 和 1 这两种。为了让网络输出 output 不断逼近这个标签，首先会让 output 经过一个sigmoid 函数，使其数值归一化到[0, 1]，得到 output1 ，然后让这个 output1 与 target 进行交叉熵计算，得到损失值，反向传播更新网络权重。最终，网络经过学习，会使得 output1 逼近target。

训练结束后，网络已经具备让输出的 output 经过转换从而逼近 target 的能力。首先将输出的 output 通过sigmoid 函数，然后取一个阈值（一般设置为0.5），大于阈值则取1反之则取0，从而得到预测图 predict。后续则是一些评估相关的计算。

如果网络的最后一层使用sigmoid，则选用BCELoss，如果没有则选择用BCEWithLogitsLoss，例：

最后一层没有sigmod

output = net(input)  # net的最后一层没有使用sigmoid
loss_func1 = torch.nn.BCEWithLogitsLoss()
loss = loss_func1(output, target)

加上sigmod

output = net(input)  # net的最后一层没有使用sigmoid
output = F.sigmoid(output)
loss_func1 = torch.nn.BCEWithLoss()
loss = loss_func1(output, target)

预测的时:

output = net(input)  # net的最后一层没有使用sigmoid
output = F.sigmoid(output)
predict=torch.where(output>0.5,torch.ones_like(output),torch.zeros_like(output))

第二种输出是多通道，即网络的输出 output 为 [batch_size, num_class, height, width] 形状。其中 batch_szie 为批量大小，num_class 表示输出的通道数与分类数量一致，height 和 width 与输入图像的高和宽保持一致。

在训练时，输出通道数是 num_class（这里取2）。给定的 target ，是一个单通道标签图，数值只有 0 和 1 这两种。为了让网络输出 output 不断逼近这个标签，首先会让 output 经过一个 softmax 函数，使其数值归一化到[0, 1]，得到 output1 ，在各通道中，这个数值加起来会等于1。对于target 他是一个单通道图，首先使用onehot编码，转换成 num_class个通道的图像，每个通道中的取值是根据单通道中的取值计算出来的，例如单通道中的第一个像素取值为1（0<= 1 <=num_class-1，这里num_class=2），那么onehot编码后，在第一个像素的位置上，两个通道的取值分别为0，1。也就是说像素的取值决定了对应序号的通道取1，其他的通道取0，这个非常关键。上面的操作执行完后得到target1，让这个 output1 与 target1 进行交叉熵计算，得到损失值，反向传播更新网路权重。最终，网络经过学习，会使得 output1 逼近target1（在各通道层面上）。

训练结束后，网络已经具备让输出的 output 经过转换从而逼近 target 的能力。计算 output 中各通道每一个像素位置上，取值最大的那个对应的通道序号，从而得到预测图 predict。

训练选择用的loss是加插上损失函数，例：

output = net(input)  # net的最后一层没有使用sigmoid
loss_func = torch.nn.CrossEntropyLoss()
loss = loss_func(output, target)

预测时

output = net(input)  # net的最后一层没有使用sigmoid
predict = output.argmax(dim=1)

本次实战选用的第二种做法。

选用的代码地址：milesial/Pytorch-UNet: PyTorch implementation of the U-Net for image semantic segmentation with high quality images (github.com)

下载代码后，解压到本地，如下图：

数据集

数据集地址：http://www.cse.cuhk.edu.hk/~leojia/projects/automatting/，发布于2016年。

数据集包含2000张图，训练集1700张，测试集300张，数据都是来源于Flickr的肖像图，图像原始分辨率大小为600×800，其中Matting用closed-form matting和KNN matting方法生成。

由于肖像分割数据集商业价值较高，因此公开的大规模数据集很少，这个数据集是其中发布较早，使用范围也较广的一个数据集，它有几个比较重要的特点：

(1) 图像分辨率统一，拍摄清晰，质量很高。

(2) 所有图像均为上半身的肖像图，人像区域在长度和宽度均至少占据图像的2/3。

(3) 人物的姿态变化很小，都为小角度的正面图，背景较为简单。

[1] Shen X, Tao X, Gao H, et al. Deep Automatic Portrait Matting[M]// ComputerVision – ECCV 2016. Springer International Publishing, 2016:92-107.

将数据集下载后放到将训练集放到data文件夹中，其中图片放到imgs文件夹中，mask放到masks文件夹中，测试集放到test文件夹下面：

由于原程序是用于Carvana Image Masking Challenge，所以我们需要修改加载数据集的逻辑，打开utils/data_loading.py文件：

class CarvanaDataset(BasicDataset):def __init__(self, images_dir, masks_dir, scale=1):super().__init__(images_dir, masks_dir, scale, mask_suffix='_matte')

将mask_suffix改为“_matte”

训练

打开train.py,先查看全局参数：

def get_args():parser = argparse.ArgumentParser(description='Train the UNet on images and target masks')parser.add_argument('--epochs', '-e', metavar='E', type=int, default=300, help='Number of epochs')parser.add_argument('--batch-size', '-b', dest='batch_size', metavar='B', type=int, default=16, help='Batch size')parser.add_argument('--learning-rate', '-l', metavar='LR', type=float, default=0.001,help='Learning rate', dest='lr')parser.add_argument('--load', '-f', type=str, default=False, help='Load model from a .pth file')parser.add_argument('--scale', '-s', type=float, default=0.5, help='Downscaling factor of the images')parser.add_argument('--validation', '-v', dest='val', type=float, default=10.0,help='Percent of the data that is used as validation (0-100)')parser.add_argument('--amp', action='store_true', default=False, help='Use mixed precision')return parser.parse_args()

epochs：epoch的个数，一般设置为300。

batch-size：批处理的大小，根据显存的大小设置。

learning-rate：学习率，一般设置为0.001，如果优化器不同，初始的学习率也要做相应的调整。

load：加载模型的路径，如果接着上次的训练，就需要设置上次训练的权重文件路径，如果有预训练权重，则设置预训练权重的路径。

scale：放大的倍数，这里设置为0.5，把图片大小变为原来的一半。

validation：验证验证集的百分比。

amp：是否使用混合精度？

比较重要的参数是epochs、batch-size和learning-rate，可以反复调整做实验，达到最好的精度。

接下来是设置模型：

net = UNet(n_channels=3, n_classes=2, bilinear=True)logging.info(f'Network:\n'f'\t{net.n_channels} input channels\n'f'\t{net.n_classes} output channels (classes)\n'f'\t{"Bilinear" if net.bilinear else "Transposed conv"} upscaling')if args.load:net.load_state_dict(torch.load(args.load, map_location=device))logging.info(f'Model loaded from {args.load}')

设置UNet参数，n_channels是imgs图片的通道数，如果是rgb则是3，如果是黑白图片就是1，n_classes设置为2，在这里把背景也当做一个类别，所以有两个类。

如果设置了权重文件，则加载权重文件，加载权重文件做迁移学习可以加快训练，减少迭代次数，所以如果有还是尽量加载预训练权重。

接下来修改train_net函数的逻辑。

try:dataset = CarvanaDataset(dir_img, dir_mask, img_scale)
except (AssertionError, RuntimeError):dataset = BasicDataset(dir_img, dir_mask, img_scale)# 2. Split into train / validation partitions
n_val = int(len(dataset) * val_percent)
n_train = len(dataset) - n_val
train_set, val_set = random_split(dataset, [n_train, n_val], generator=torch.Generator().manual_seed(0))
# 3. Create data loaders
loader_args = dict(batch_size=batch_size, num_workers=4, pin_memory=True)
train_loader = DataLoader(train_set, shuffle=True, **loader_args)
val_loader = DataLoader(val_set, shuffle=False, drop_last=True, **loader_args)

1、加载数据集。

2、按照比例切分训练集和验证集。

3、将训练集和验证集放入DataLoader中。

 # (Initialize logging)experiment = wandb.init(project='U-Net', resume='allow', anonymous='must')experiment.config.update(dict(epochs=epochs, batch_size=batch_size, learning_rate=learning_rate,val_percent=val_percent, save_checkpoint=save_checkpoint, img_scale=img_scale,amp=amp))

设置wandb，wandb是一款非常好用的可视化工具。安装和使用方法见：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/116124285。

 # 4. Set up the optimizer, the loss, the learning rate scheduler and the loss scaling for AMPoptimizer = optim.RMSprop(net.parameters(), lr=learning_rate, weight_decay=1e-8, momentum=0.9)scheduler = optim.lr_scheduler.ReduceLROnPlateau(optimizer, 'max', patience=2)  # goal: maximize Dice scoregrad_scaler = torch.cuda.amp.GradScaler(enabled=amp)criterion = nn.CrossEntropyLoss()global_step = 0

1、设置优化器optimizer为RMSprop，我也尝试了改为SGD，通常情况下SGD的表现好一些。但是在训练时发现，二者最终的结果都差不多。

2、ReduceLROnPlateau学习率调整策略，和keras的类似。本次选择用的是Dice score，所以将mode设置为max，当得分不再上升时，则降低学习率。

3、设置loss为 nn.CrossEntropyLoss()。交叉熵，多分类常用的loss。

接下来是train部分的逻辑，这里需要修改的如下：

 masks_pred = net(images)true_masks = F.one_hot(true_masks.squeeze_(1), net.n_classes).permute(0, 3, 1, 2).float()print(masks_pred.shape)print(true_masks.shape)

masks_pred = net(images)计算出来的结果是：[batch, 2, 400, 300]，其中2代表两个类别。

true_masks.shape是[batch, 1, 400, 300]，所以要对true_masks做onehot处理。如果直接对true_masks做onehot处理，你会发现处理后的shape是[batch, 1, 400, 300，2]，这样就和masks_pred 对不上了，所以在做onehot之前，先将第二维（也就是1这一维度）去掉，这样onehot后的shape是[batch, 400, 300,2],然后调整顺序，和masks_pred 的维度对上。

接下来就要计算loss，loss分为两部分，一部分时交叉熵，另一部分是dice_loss，这两个loss各有优势，组合使用效果更优。dice_loss在utils/dice_sorce.py文件中，代码如下：

import torch
from torch import Tensordef dice_coeff(input: Tensor, target: Tensor, reduce_batch_first: bool = False, epsilon=1e-6):# Average of Dice coefficient for all batches, or for a single maskassert input.size() == target.size()if input.dim() == 2 and reduce_batch_first:raise ValueError(f'Dice: asked to reduce batch but got tensor without batch dimension (shape {input.shape})')if input.dim() == 2 or reduce_batch_first:inter = torch.dot(input.reshape(-1), target.reshape(-1))sets_sum = torch.sum(input) + torch.sum(target)if sets_sum.item() == 0:sets_sum = 2 * interreturn (2 * inter + epsilon) / (sets_sum + epsilon)else:# compute and average metric for each batch elementdice = 0for i in range(input.shape[0]):dice += dice_coeff(input[i, ...], target[i, ...])return dice / input.shape[0]def dice_coeff_1(pred, target):smooth = 1.num = pred.size(0)m1 = pred.view(num, -1)  # Flattenm2 = target.view(num, -1)  # Flattenintersection = (m1 * m2).sum()return 1 - (2. * intersection + smooth) / (m1.sum() + m2.sum() + smooth)def multiclass_dice_coeff(input: Tensor, target: Tensor, reduce_batch_first: bool = False, epsilon=1e-6):# Average of Dice coefficient for all classesassert input.size() == target.size()dice = 0for channel in range(input.shape[1]):dice += dice_coeff(input[:, channel, ...], target[:, channel, ...], reduce_batch_first, epsilon)return dice / input.shape[1]
def dice_loss(input: Tensor, target: Tensor, multiclass: bool = False):# Dice loss (objective to minimize) between 0 and 1assert input.size() == target.size()fn = multiclass_dice_coeff if multiclass else dice_coeffreturn 1 - fn(input, target, reduce_batch_first=True)

导入到train.py中，然后和交叉熵组合作为本项目的loss。

 loss = criterion(masks_pred, true_masks) \+ dice_loss(F.softmax(masks_pred, dim=1).float(),true_masks,multiclass=True)

接下来是对evaluate函数的逻辑做修改。

 mask_true = mask_true.to(device=device, dtype=torch.long)mask_true = F.one_hot(mask_true.squeeze_(1), net.n_classes).permute(0, 3, 1, 2).float()

增加对mask_trued的onehot逻辑。

修改完上面的逻辑就可以开始训练了。

测试

完成训练后就可以测试了。打开predict.py，修改全局参数：

def get_args():parser = argparse.ArgumentParser(description='Predict masks from input images')parser.add_argument('--model', '-m', default='checkpoints/checkpoint_epoch7.pth', metavar='FILE',help='Specify the file in which the model is stored')parser.add_argument('--input', '-i', metavar='INPUT',default='test/00002.png', nargs='+', help='Filenames of input images')parser.add_argument('--output', '-o', metavar='INPUT',default='00001.png', nargs='+', help='Filenames of output images')parser.add_argument('--viz', '-v', action='store_true',help='Visualize the images as they are processed')parser.add_argument('--no-save', '-n', action='store_true',default=False, help='Do not save the output masks')parser.add_argument('--mask-threshold', '-t', type=float, default=0.5,help='Minimum probability value to consider a mask pixel white')parser.add_argument('--scale', '-s', type=float, default=0.5,help='Scale factor for the input images')

model：设置权重文件路径。这里修改为自己训练的权重文件。

scale：0.5，和训练的参数对应上。

其他的参数，通过命令输入。

def mask_to_image(mask: np.ndarray):if mask.ndim == 2:return Image.fromarray((mask * 255).astype(np.uint8))elif mask.ndim == 3:img_np=(np.argmax(mask, axis=0) * 255 / (mask.shape[0]-1)).astype(np.uint8)print(img_np.shape)print(np.max(img_np))return Image.fromarray(img_np)

img_np=(np.argmax(mask, axis=0) * 255 / (mask.shape[0]-1)).astype(np.uint8)这里的逻辑需要修改。

源代码：

 return Image.fromarray((np.argmax(mask, axis=0) * 255 / mask.shape[0]).astype(np.uint8))

我们增加了一类背景，所以mask.shape[0]为2，需要减去背景。

展示结果的方法也需要修改；

def plot_img_and_mask(img, mask):print(mask.shape)classes = mask.shape[0] if len(mask.shape) > 2 else 1fig, ax = plt.subplots(1, classes + 1)ax[0].set_title('Input image')ax[0].imshow(img)if classes > 1:for i in range(classes):ax[i + 1].set_title(f'Output mask (class {i + 1})')ax[i + 1].imshow(mask[i, :, :])else:ax[1].set_title(f'Output mask')ax[1].imshow(mask)plt.xticks([]), plt.yticks([])plt.show()

将原来的ax[i + 1].imshow(mask[:, :, i])改为：ax[i + 1].imshow(mask[i, :, :])。

执行命令：

python predict.py -i test/00002.png -o output.png  -v

输出结果：

到这里我们已经实现将人物从背景图片中完整的抠出来了！

总结

本文实现了用Unet对图像做分割，通过本文，你可以学习到：

1、如何使用Unet对图像对二分类的语义分割。

2、如何使用wandb可视化。

3、如何使用交叉熵和dice_loss组合。

4、如何实现二分类语义分割的预测。

完整的代码：
https://download.csdn.net/download/hhhhhhhhhhwwwwwwwwww/85083165

UNet语义分割实战：使用UNet实现对人物的抠图相关推荐

u-net语义分割_使用U-Net的语义分割
u-net语义分割 Picture By Martei Macru On Unsplash 图片由Martei Macru On Unsplash拍摄 Semantic segmentation is ...
视频教程-U-Net图像语义分割实战：训练自己的数据集-计算机视觉
U-Net图像语义分割实战:训练自己的数据集大学教授,美国归国博士.博士生导师:人工智能公司专家顾问:长期从事人工智能.物联网.大数据研究:已发表学术论文100多篇,授权发明专利10多项白勇 ¥8 ...
FCN与U-Net语义分割算法
FCN与U-Net语义分割算法图像语义分割(Semantic Segmentation)是图像处理和是机器视觉技术中关于图像理解的重要一环,也是 AI 领域中一个重要的分支.语义分割即是对图像中每一 ...
语义分割重制版1——Pytorch 搭建自己的Unet语义分割平台
转载:https://blog.csdn.net/weixin_44791964/article/details/108866828?spm=1001.2014.3001.5501 对应b站视频:ht ...
Unet++语义分割网络（网络结构分析+代码分析）
1. 前言许多初入视觉深度学习的小伙伴都会以图像分类网络作为入门案例来学习,个人觉得语义分割网络可以作为分类网络之后第二个学习的案例,因为其网络结构一般较为简单,只要对每个像素点进行分类即可.刚好课 ...
憨批的语义分割重制版7——Tensorflow2 搭建自己的Unet语义分割平台
憨批的语义分割重制版7--Tensorflow2 搭建自己的Unet语义分割平台注意事项学习前言什么是Unet模型代码下载 Unet实现思路一.预测部分 1.主干网络介绍 2.加强特征提取结 ...
利用U-Net语义分割进行自己训练集的训练和预测
利用U-Net语义分割进行自己训练集的训练和预测引言利用U-Net语义分割网络进行三类图像分割(含背景),总体步骤分为以下三步: (1)制作自己的数据集(杯子数据集) 通过labelme进行图像打 ...
憨批的语义分割重制版6——Pytorch 搭建自己的Unet语义分割平台
憨批的语义分割重制版6--Pytorch 搭建自己的Unet语义分割平台注意事项学习前言什么是Unet模型代码下载 Unet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. ...
深度学习实战23(进阶版)-语义分割实战，实现人物图像抠图的效果（计算机视觉）
大家好,我是微学AI,今天给大家带来深度学习实战23(进阶版)-语义分割实战,实现人物图像抠图的效果.语义分割是计算机视觉中的一项重要任务,其目标是将图像中的每个像素都分配一个语义类别标签.与传统的目 ...

UNet语义分割实战：使用UNet实现对人物的抠图

摘要

数据集

训练

测试

总结

UNet语义分割实战：使用UNet实现对人物的抠图相关推荐

最新文章

热门文章