图像分割 | 训练集输入labe（mask）处理以及类别不均衡的处理-以segnet为例

待我称王封你为后i 2022-02-19 02:13 216阅读 0赞

## Tags: ComputerVision ##

## 编译 ##

1.  src/caffe/layers/contrastive\_loss\_layer.cpp:56:30: error: no matching function for call to ‘max(double, float)’  
    Dtype dist = std::max(margin - sqrt(dist\_sq\_.cpu\_data()\[i\]), Dtype(0.0));

**Replace line 56 by this one :**  
Dtype dist = std::max(margin - (float)sqrt(dist\_sq\_.cpu\_data()\[i\]), Dtype(0.0));

1.  .build\_release/lib/libcaffe.so: undefined reference to \`cv::imread(cv::String const&, int)'

**Change Makefile:**  
LIBRARIES += glog gflags protobuf leveldb snappy  
lmdb boost\_system hdf5\_hl hdf5 m  
opencv\_core opencv\_highgui opencv\_imgproc  
add :opencv\_imgcodecs

## 数据处理 ##

1.  **median frequency balancing的计算**  
    图片分割经常会遇到class unbalance的情况，如果你的target是要求每个类别的accuracy 都很高那么在训练的时候做class balancing 很重要，如果你的target要求只要求图片总体的pixel accuracy好，那么class balancing 此时就不是很重要，因为占比小的class, accuray 虽然小，但是对总体的Pixel accuracy影响也较小。  
    那么看下本文中的meidan frequency balancing是如何计算的：  
    对于一个多类别图片数据库，每个类别都会有一个class frequency, 该类别像素数目除以数据库总像素数目, 求出所有class frequency 的median 值，除以该类别对应的frequency 得到weight：
    
    weighti=median(weights)/weightiweighti=median(weights)/weighti
    
      
    这样可以保证占比小的class, 权重大于1， 占比大的class， 权重小于1， 达到balancing的效果.  
    如对我自己的数据有两类分别为0,1， 一共55张500*500训练图片，统计55张图片中0,1像素的个数：  
    count1 227611  
    count0 13522389  
    freq1 = 227611/(500*500*55) = 0.0166  
    freq0 = 13522389/(500*500\*55) = 0.9834  
    median = 0.5  
    weight1 = 30.12  
    weight0 = 0.508
2.  webdemo权重  
    作者训练的webdemo和他给出的模型文件的类别数目和label 是对不上号的，因此可以使用webdemo跑测试，但是最好不要在上面finetune, 直接在VGG-16上面finetune 就行
3.  rgb label 转换为 gray label

**一些数据集给出的label是rgb的，如下图，但是训练过程中输入网络的label一般是0 - class\_num-1标记的label map, 因此需要一个转换过程，下面给出一个python2转换脚本：**

1.  `#!/usr/bin/env python`
2.  `import os`
3.  `import numpy as np`
4.  `from itertools import izip`
5.  `from argparse import ArgumentParser`
6.  `from collections import OrderedDict`
7.  `from skimage.io import ImageCollection, imsave`
8.  `from skimage.transform import resize`
9.  
10. 
11. `camvid_colors = OrderedDict([`
12. `("Animal", np.array([64, 128, 64], dtype=np.uint8)),`
13. `("Archway", np.array([192, 0, 128], dtype=np.uint8)),`
14. `("Bicyclist", np.array([0, 128, 192], dtype=np.uint8)),`
15. `("Bridge", np.array([0, 128, 64], dtype=np.uint8)),`
16. `("Building", np.array([128, 0, 0], dtype=np.uint8)),`
17. `("Car", np.array([64, 0, 128], dtype=np.uint8)),`
18. `("CartLuggagePram", np.array([64, 0, 192], dtype=np.uint8)),`
19. `("Child", np.array([192, 128, 64], dtype=np.uint8)),`
20. `("Column_Pole", np.array([192, 192, 128], dtype=np.uint8)),`
21. `("Fence", np.array([64, 64, 128], dtype=np.uint8)),`
22. `("LaneMkgsDriv", np.array([128, 0, 192], dtype=np.uint8)),`
23. `("LaneMkgsNonDriv", np.array([192, 0, 64], dtype=np.uint8)),`
24. `("Misc_Text", np.array([128, 128, 64], dtype=np.uint8)),`
25. `("MotorcycleScooter", np.array([192, 0, 192], dtype=np.uint8)),`
26. `("OtherMoving", np.array([128, 64, 64], dtype=np.uint8)),`
27. `("ParkingBlock", np.array([64, 192, 128], dtype=np.uint8)),`
28. `("Pedestrian", np.array([64, 64, 0], dtype=np.uint8)),`
29. `("Road", np.array([128, 64, 128], dtype=np.uint8)),`
30. `("RoadShoulder", np.array([128, 128, 192], dtype=np.uint8)),`
31. `("Sidewalk", np.array([0, 0, 192], dtype=np.uint8)),`
32. `("SignSymbol", np.array([192, 128, 128], dtype=np.uint8)),`
33. `("Sky", np.array([128, 128, 128], dtype=np.uint8)),`
34. `("SUVPickupTruck", np.array([64, 128, 192], dtype=np.uint8)),`
35. `("TrafficCone", np.array([0, 0, 64], dtype=np.uint8)),`
36. `("TrafficLight", np.array([0, 64, 64], dtype=np.uint8)),`
37. `("Train", np.array([192, 64, 128], dtype=np.uint8)),`
38. `("Tree", np.array([128, 128, 0], dtype=np.uint8)),`
39. `("Truck_Bus", np.array([192, 128, 192], dtype=np.uint8)),`
40. `("Tunnel", np.array([64, 0, 64], dtype=np.uint8)),`
41. `("VegetationMisc", np.array([192, 192, 0], dtype=np.uint8)),`
42. `("Wall", np.array([64, 192, 0], dtype=np.uint8)),`
43. `("Void", np.array([0, 0, 0], dtype=np.uint8))`
44. `])`
45. 
46. 
47. `def convert_label_to_grayscale(im):`
48. `out = (np.ones(im.shape[:2]) * 255).astype(np.uint8)`
49. `for gray_val, (label, rgb) in enumerate(camvid_colors.items()):`
50. `match_pxls = np.where((im == np.asarray(rgb)).sum(-1) == 3)`
51. `out[match_pxls] = gray_val`
52. `assert (out != 255).all(), "rounding errors or missing classes in camvid_colors"`
53. `return out.astype(np.uint8)`
54. 
55. 
56. `def make_parser():`
57. `parser = ArgumentParser()`
58. `parser.add_argument(`
59. `'label_dir',`
60. `help="Directory containing all RGB camvid label images as PNGs"`
61. `)`
62. `parser.add_argument(`
63. `'out_dir',`
64. `help="""Directory to save grayscale label images.`
65. `Output images have same basename as inputs so be careful not to`
66. `overwrite original RGB labels""")`
67. `return parser`
68. 
69. 
70. `if __name__ == '__main__':`
71. `parser = make_parser()`
72. `args = parser.parse_args()`
73. `labs = ImageCollection(os.path.join(args.label_dir, "*"))`
74. `os.makedirs(args.out_dir)`
75. `for i, (inpath, im) in enumerate(izip(labs.files, labs)):`
76. `print(i + 1, "of", len(labs))`
77. `# resize to caffe-segnet input size and preserve label values`
78. `resized_im = (resize(im, (360, 480), order=0) * 255).astype(np.uint8)`
79. `out = convert_label_to_grayscale(resized_im)`
80. `outpath = os.path.join(args.out_dir, os.path.basename(inpath))`
81. `imsave(outpath, out)`

## 训练结果 ##

基于VGG-16finetune训练的一个模型迭代20000次的测试结果：  
![gQZ7n.png][]  
label：  
![gQyPQ.png][]  
基于VGG-16自己数据训练的结果：  
![g4BBu.png][]  
label:  
![g45vH.png][]

测试结果：  
![g49kN.png][]  
\---------

## Reference ##

1.  Demystifying Segnet:[http://5argon.info/portfolio/d/SegnetTrainingGuide.pdf][http_5argon.info_portfolio_d_SegnetTrainingGuide.pdf]
2.  [https://www.cnblogs.com/vincentcheng/p/9179606.html][https_www.cnblogs.com_vincentcheng_p_9179606.html]

[gQZ7n.png]: https://s1.ax2x.com/2018/06/12/gQZ7n.png
[gQyPQ.png]: https://s1.ax2x.com/2018/06/12/gQyPQ.png
[g4BBu.png]: https://s1.ax2x.com/2018/06/13/g4BBu.png
[g45vH.png]: https://s1.ax2x.com/2018/06/13/g45vH.png
[g49kN.png]: https://s1.ax2x.com/2018/06/13/g49kN.png
[http_5argon.info_portfolio_d_SegnetTrainingGuide.pdf]: http://5argon.info/portfolio/d/SegnetTrainingGuide.pdf
[https_www.cnblogs.com_vincentcheng_p_9179606.html]: https://www.cnblogs.com/vincentcheng/p/9179606.html