Paddle2.0实现PSPNet进行人体解析（图像分割）

本是古典何须时尚 2022-10-05 10:53 319阅读 0赞

### Paddle2.0实现PSPNet进行人体解析（图像分割） ###

*  项目背景
 *   *  概述
     *  前言
 *  PSPNet介绍
 *   *  为什么会提出PSPNet ?
     *  PSPNet 的效果为什么好 ?
     *  PSPNet 是怎样考虑上下文信息的 ?
     *  PSPNet 是怎样增大感受野的 ?
     *  PSPNet - 金字塔模块(Pyramid Pooling)
     *  PSPNet 的总体结构
     *  PSPNet - Backbone
 *  代码
 *   *  引入需要的包
     *  Pyramid Scene Parsing Network
     *   *  ConvBNReluLayer
         *  BottleneckBlock
         *  Dilated Resnet50
         *  PSPModule
         *  PSPNet
     *  解压数据集
     *  数据处理部分
     *   *  将原图和分割图路径保存为 .txt文件
         *  自定义数据集类
     *  MIOU
     *  一些常用的函数
     *  DataLoader
     *  模型声明
     *  Train
     *  可视化结果
     *  网图测试效果
 *  项目总结

[源地址][Link 1].

# 项目背景 #

## 概述 ##

图像的研究和应用中，人们往往对图像中的某些部分感兴趣，这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域(可以对应单一区域，也可以对应多个区域)，称之为目标或前景;而其他部分称为图像的背景。为了辨识和分析目标，需要把目标从一幅图像中孤立出来，这就是图像分割要研究的问题。
       图像分割是计算机视觉研究中的一个经典难题，已经成为图像理解领域关注的一个热点，图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域的边界上一般具有灰度不连续性。 关于图像分割技术，由于问题本身的重要性和困难性，从20世纪70年代起图像分割问题就吸引了很多研究人员为之付出了巨大的努力。虽然到目前为止，还不存在一个通用的完美的图像分割的方法，但是对于图像分割的一般性规律则基本上已经达成的共识，已经产生了相当多的研究成果和方法。

## 前言 ##

*  目前利用深度学习的方法进行图像分割是一种常用的方法。
 *  下面为我们基于 PSPNet 进行图像分割

# PSPNet介绍 #

> [Pyramid Scene Parsing Network 论文][Pyramid Scene Parsing Network]
> 
> [图像分割七日打卡营][Link 2]

*  PSPNet 通过金字塔池模块和提出的金字塔场景解析网络，聚合了基于不同区域的上下文信息，来挖掘全局上下文信息的能力
 *  PSPNet为像素级场景解析提供了有效的全局上下文先验
 *  金字塔池化模块可以收集具有层级的信息，比全局池化更有代表性
 *  在计算量方面，PSPNet并没有比原来的空洞卷积FCN网络有很大的增加
 *  在端到端学习中，全局金字塔池化模块和局部FCN特征可以被同时训练

## 为什么会提出PSPNet ? ##

> 基于FCN的模型的主要问题是缺乏合适的策略来利用全局场景中的类别线索 :
> 
>  *  分割结果不够精细
>  *  没有考虑上下文

![92e8992bfe8eb422f9d5de751458a17a.png][]

## PSPNet 的效果为什么好 ? ##

>  *  多尺度特征融合
>  *  基于结构进行预测

![a19093d86aa27a1bdad7af47cf40aa3f.png][]

## PSPNet 是怎样考虑上下文信息的 ? ##

>  *  增大感受野(Receptive Field)

![e1e4726e55a4030e19d3e74e67aa3194.png][]

## PSPNet 是怎样增大感受野的 ? ##

>  *  利用不同大小的池化

![b41c1aad5d1341918153169606014c03.png][]

## PSPNet - 金字塔模块(Pyramid Pooling) ##

*  为了进一步减少不同子区域间上下文信息的丢失，PSPNet 提出了一个有层次的全局先验结构(金字塔池化模块)，包含不同尺度、不同子区域间的信息
 *  可以在深层神经网络的最终层特征图上构造全局场景先验信息

> PSP 模块:
> 
>  *  ① 将输入为 NCHW 特征图变成4个 HW 不同的特征图(1x1、2x2、3x3、6x6)
>  *  ② 通过 1x1 的卷积给4个不同的特征图进行降维
>  *  ③ 将4个不同的特征图通过上采样变为输入特征图大小
>  *  ④ 将输入特征图和4个经过上采样后的特征图进行拼接

![3992cf9c456ca872ca55c2c916231f4e.png][]

> PSP 模块的具体操作:
> 
>  *  ① 自适应池化 : 将输入的特征图变成任意大小的特征图
>  *  ② 1x1卷积 : 改变特征图的通道大小
>  *  ③ Upsample : 将输入特征图的 HW 变大
>  *  ④ Concat : 将多个特征图, 通过某一维度拼接起来

![198a2138802317215bd5d7fcf243892f.png][]

> 自适应池化

![49b57589c950b1501a00dada500043a9.png][]

## PSPNet 的总体结构 ##

![f7ed4b851c11831ce16c3ce1ace7826a.png][]

## PSPNet - Backbone ##

> [Dilated Residual Networks 论文][Dilated Residual Networks]
> 
>  *  空洞卷积

![6822f31cded13b61a5e8a05b15cf924d.png][]

> Dilated ResNet:
> 
>  *  在 ResNet 的第4、5层(全连接层的前两层)采用 Dilation 为 2、4 的卷积
>  *  在 PSPNet 中我们只采用 Dilated ResNet 全连接层前的部分

![3a7eea18cfeb48ee078dcabd8d8e089a.png][]

# 代码 #

## 引入需要的包 ##

import paddle
    import os
    import numpy as np
    import cv2
    import matplotlib.pyplot as plt
    from tqdm import tqdm
    # 一旦不再使用即释放内存垃圾，=1.0 垃圾占用内存大小达到10G时，释放内存垃圾
    !export FLAGS_eager_delete_tensor_gb=0.0
    # 启用快速垃圾回收策略，不等待cuda kernel 结束，直接释放显存
    !export FLAGS_fast_eager_deletion_mode=1
    # 该环境变量设置只占用0%的显存
    !export FLAGS_fraction_of_gpu_memory_to_use=0

## Pyramid Scene Parsing Network ##

### ConvBNReluLayer ###

该类封装`卷积`、`批归一化`、`ReLU`，方便代码的复用。

class ConvBNReluLayer(paddle.nn.Layer):
        def __init__(self, in_channels, out_channels, kernel_size, stride=1, groups=1, dilation=1, padding=None, name=None):
            """
            in_channels: 输入数据的通道数
            out_channels: 输出数据的通道数
            kernel_size: 卷积核大小
            stride: 卷积步长
            groups: 二维卷积层的组数
            dilation: 空洞大小
            padding: 填充大小
            """
            super(ConvBNReluLayer, self).__init__(name)
            if padding is None:
                padding = (kernel_size-1)//2
            
            self.conv = paddle.nn.Conv2D(in_channels=in_channels,
                                        out_channels=out_channels, 
                                        kernel_size=kernel_size, 
                                        stride=stride, 
                                        padding=padding,
                                        groups=groups,
                                        dilation=dilation)
            self.bn = paddle.nn.BatchNorm2D(num_features=out_channels)
            self.relu = paddle.nn.ReLU()
    
        def forward(self, inputs):
            x = self.conv(inputs)
            x = self.bn(x)
            x = self.relu(x)
            return x

### BottleneckBlock ###

该类封装了`ResNet`层数大于等于`50`用的代码块，结构如下图:

包括`3`次`卷积`操作和`1`次`元素相加`操作；

元素相加 : 最开始的输入与最后的输出相加，当输入和输出的通道数不匹配时，会进行`1x1卷积`操作，进行维度匹配。

![295e75b176c84ac2277e30d3d5f1569c.png][]

class BottleneckBlock(paddle.nn.Layer):
        expansion = 4  # 最后的输出的通道数会变成4倍
        def __init__(self, in_channels, out_channels, stride=1, shortcut=True, dilation=1, padding=None, name=None):
            """
            shortcut: 最开始的输入和输出是否能进行直接相加的操作, 能=True, 不能=False（会进行1x1卷积操作进行维度匹配）。
            """
            super(BottleneckBlock, self).__init__(name)
            # 3次 (卷积、批归一化、ReLU) 操作
            self.conv0 = ConvBNReluLayer(in_channels=in_channels, out_channels=out_channels, kernel_size=1)
            self.conv1 = ConvBNReluLayer(in_channels=out_channels, out_channels=out_channels, kernel_size=3, stride=stride, padding=padding, dilation=dilation)
            self.conv2 = ConvBNReluLayer(in_channels=out_channels, out_channels=out_channels*4, kernel_size=1, stride=1)
            
            if not shortcut:
                # 不能直接相加时, 进行维度匹配
                self.short = ConvBNReluLayer(in_channels=in_channels, out_channels=out_channels*4, kernel_size=1, stride=stride)
            
            self.shortcut = shortcut
            self.num_channel_out = out_channels * 4  # 最后的输出通道数变成4倍
        
        def forward(self, inputs):
            conv0 = self.conv0(inputs)
            conv1 = self.conv1(conv0)
            conv2 = self.conv2(conv1)
            if self.shortcut:
                short = inputs
            else:
                short = self.short(inputs)
            y = paddle.add(x=short, y=conv2)  # 元素相加
            y = paddle.nn.functional.relu(x=y)  # ReLU激活
            return y

### Dilated Resnet50 ###

该类封装了 Dilated Resnet50 的代码，具体结构类似如下图，把原始 ResNet 的一些卷积操作改为了空洞卷积。

该类结构从上到下包括:

*  卷积核大小为7x7，卷积核通道数为64，步长为2的卷积操作
 *  池化核大小为3x3，步长为2的最大池化层
 *  16个 BottleneckBlock (4种，个数分别为3，4，6，3)
 *  全局平均池化
 *  全连接层  
    ![61bec2e0a5678004ded13a196a31f55f.png][]

class DilatedResnet50(paddle.nn.Layer):
        def __init__(self, block=BottleneckBlock, num_classes=1000):
            super(DilatedResnet50, self).__init__()
            # 4种BottleneckBlock, 每种个数如下
            depth = [3, 4, 6, 3]
            # 4种BottleneckBlock的输入数据通道数
            num_channels = [64, 256, 512, 1024]
            # 4种BottleneckBlock的第一个卷积核的通道数，最后输出会变为4倍
            num_filters = [64, 128, 256, 512]
            # 卷积操作
            self.conv = ConvBNReluLayer(in_channels=3, out_channels=64, kernel_size=7, stride=2)
            # 全局池化
            self.pool2d_max = paddle.nn.MaxPool2D(kernel_size=3, stride=2, padding=1)
            # BottleneckBlock的输入和输出是否能直接相加
            l1_shortcut = False
            # 第1种BottleneckBlock, 共3个, 将列表的操作解包依次添加到顺序容器Sequential中
            self.layer1 = paddle.nn.Sequential(
                *self.make_layer(
                    block,
                    num_channels[0],
                    num_filters[0],
                    depth[0],
                    stride=1,
                    shortcut=l1_shortcut,
                    name='layer1'
                )
            )
            # 第2种BottleneckBlock, 共4个
            self.layer2 = paddle.nn.Sequential(
                *self.make_layer(
                    block,
                    num_channels[1],
                    num_filters[1],
                    depth[1],
                    stride=2,
                    name='layer2'
                )
            )
            # 第3种BottleneckBlock, 共6个
            self.layer3 = paddle.nn.Sequential(
                *self.make_layer(
                    block, 
                    num_channels[2],
                    num_filters[2],
                    depth[2],
                    stride=1,
                    name='layer3',
                    dilation=2
                )
            )
            # 第4种BottleneckBlock, 共4个
            self.layer4 = paddle.nn.Sequential(
                *self.make_layer(
                    block,
                    num_channels[3],
                    num_filters[3],
                    depth[3],
                    stride=1,
                    name='layer4',
                    dilation=4
                )
            )
            # 全局平均池化
            self.last_pool = paddle.nn.AdaptiveAvgPool2D(output_size=(1, 1))
            # 将全局池化的 NCHW -> NC, 用于全连接层
            self.out_dim = num_filters[-1] * block.expansion
            # 全连接层
            self.fc = paddle.nn.Linear(in_features=num_filters[-1] * block.expansion, out_features=num_classes)
    
        def forward(self, inputs):
            x = self.conv(inputs)
            x = self.pool2d_max(x)
            x = self.layer1(x)
            x = self.layer2(x)
            x = self.layer3(x)
            x = self.layer4(x)
            x = self.last_pool(x)
            x = paddle.reshape(x, shape=[-1, self.out_dim])
            x = self.fc(x)
    
            return x
    
        def make_layer(self, block, in_channels, out_channels, depth, stride, dilation=1, shortcut=False, name=None):
            """
            用于生成4种BottleneckBlock
            block: BottleneckBlock
            depth: 该种BottleneckBlock的个数
            """
            layers = paddle.nn.LayerList()  # 用于保存子层列表，它包含的子层将被正确地注册和添加。
            if dilation > 1:
                # 如果进行了空洞卷积的操作, 则进行填充大小为空洞的大小
                padding = dilation
            else:
                padding = None
            
            # 添加BottleneckBlock
            layers.append(block(
                in_channels=in_channels,
                out_channels=out_channels,
                stride=stride,
                shortcut=shortcut,
                dilation=dilation,
                padding=padding,
                name=f'{
          name}.0'
            ))
            # 添加BottleneckBlock, 这里添加的BottleneckBlock有相同的规律
            for i in range(1, depth):
                layers.append(block(
                    in_channels=out_channels * block.expansion,
                    out_channels=out_channels,
                    stride=1,
                    dilation=dilation,
                    padding=padding,
                    name=f'{
          name}.{
          i}'
                ))
            return layers

### PSPModule ###

该类封装了金字塔池化模块，结构如下图。

该类操作包括:

*  将输入为 NCHW 特征图变成4个 HW 不同的特征图(1x1、2x2、3x3、6x6)
 *  通过 1x1 的卷积给4个不同的特征图进行降维
 *  将4个不同的特征图通过上采样变为输入特征图大小
 *  将输入特征图和4个经过上采样后的特征图进行拼接

![cb3a32d167b1f1c9bf3459e2d98f7367.png][]

class PSPModule(paddle.nn.Layer):
        def __init__(self, in_channels, bin_size_list):
            """
            bin_size_list: 不同池化, 例如, 将输入为 NCHW 特征图变成4个 HW 不同的特征图(1x1、2x2、3x3、6x6), 
                           则bin_size_list=[1, 2, 3, 6]
            """
            super(PSPModule, self).__init__()
            # 通过金字塔池化模块后得到的输出通道数为输入通道数2倍, 因此在不同池化结果通道数相加为输入通道数
            out_channels = in_channels // len(bin_size_list)
            # 用于保存子层列表，它包含的子层将被正确地注册和添加。
            self.features = paddle.nn.LayerList() 
            for i in range(len(bin_size_list)):
                # 添加池化层、1x1卷积层改变通道数、批归一化层
                self.features.append(
                    paddle.nn.Sequential(
                        paddle.nn.AdaptiveMaxPool2D(output_size=bin_size_list[i]),
                        paddle.nn.Conv2D(in_channels=in_channels, out_channels=out_channels, kernel_size=(1, 1)),
                        paddle.nn.BatchNorm2D(num_features=out_channels)
                    )
                )
    
        def forward(self, inputs):
            out = [inputs]  # 添加输入数据,用于最后输出的拼接
            for idx, f in enumerate(self.features):
                x = f(inputs)
                # 进行插值操作, 将不同池化的结果通过上采样变为输入数据的大小(HW维度上)
                x = paddle.nn.functional.interpolate(x=x, size=inputs.shape[2::], mode='bilinear', align_corners=True)
                out.append(x)
            # 将所有特征图拼接起来
            out = paddle.concat(x=out, axis=1)  # NCHW
            return out

### PSPNet ###

该类封装了整个PSPNet网络,用于进行图像分割,结构如下图。

该类包括:

*  Dilated Resnet50 平均池化层以前的操作
 *  金字塔模块
 *  进行像素点分类的卷积操作

![d36071f832ace55c24c6dea59f395372.png][]

class PSPNet(paddle.nn.Layer):
        def __init__(self, backbone='DilatedResnet50', num_classes=20):
            """
            num_classes: 分类类别
            """
            super(PSPNet, self).__init__()
            res = DilatedResnet50()
            # Dilated Resnet50 平均池化层以前的操作
            self.layers = paddle.nn.Sequential(
                res.conv,
                res.pool2d_max,
                res.layer1,
                res.layer2,
                res.layer3,
                res.layer4
            )
            # self.layers out_channels = 2048
            in_channels = 2048
            # 金字塔模块, psp: 2048 -> 2048*2
            self.pspmodule = PSPModule(in_channels=in_channels, bin_size_list=[1, 2, 3, 6])
            in_channels *= 2
            # 进行像素点分类的卷积操作, cls: 2048*2 -> 512 -> num_classes
            self.classifier = paddle.nn.Sequential(
                paddle.nn.Conv2D(in_channels=in_channels, out_channels=512, kernel_size=3, padding=1),
                paddle.nn.BatchNorm2D(num_features=512),
                paddle.nn.ReLU(),
                paddle.nn.Dropout(0.1),
                paddle.nn.Conv2D(in_channels=512, out_channels=num_classes, kernel_size=1)
            )
    
        def forward(self, inputs):
            x = self.layers(inputs)
            x = self.pspmodule(x)
            x = self.classifier(x)
            x = paddle.nn.functional.interpolate(x=x, size=inputs.shape[2::], mode='bilinear', align_corners=True)
            return x

# 打印模型结构
    paddle.summary(PSPNet(), (-1, 3, 600, 400))

## 解压数据集 ##

!unzip data/data74563/humanparsing.zip -d data/

## 数据处理部分 ##

### 将原图和分割图路径保存为 .txt文件 ###

*  JPEGImages : 原图文件夹
 *  SegmentationClassAug : 分割图文件夹
 *  图片编号一一对应, 原图.jpg, 分割图.png

data = []
    path1 = 'data/humanparsing/JPEGImages'
    path2 = 'data/humanparsing/SegmentationClassAug'
    
    for item in os.listdir(path1):
        data.append([
            os.path.join(path1, item), # 原图路径
            os.path.join(path2, item.split('.')[0] + '.png') # 分割图路径
        ])
    
    # 打乱数据集
    np.random.shuffle(data)
    # 划分训练集和验证集
    train_data = data[len(data)//10:]
    val_data = data[:len(data)//10]
    # 将路径写入.txt文件
    def write_path(data, path):
        with open(path, 'w') as f:
            for item in tqdm(data):
                f.write(item[0] + ' ' + item[1] + '\n') # 原图路径 分割图路径
    
    write_path(train_data, 'train.txt')
    write_path(val_data, 'val.txt')

# 画图
    def draw(img_list, name=None):
        plt.figure(figsize=(15, 15))
        for i in range(len(img_list)):
            plt.subplot(1, len(img_list), i+1)
            plt.imshow(img_list[i])
            if name:
                plt.title(name[i])
        plt.legend()
        plt.show()
    
    # 查看数据
    img1 = cv2.cvtColor(cv2.imread('data/humanparsing/JPEGImages/2500_818.jpg'), cv2.COLOR_BGR2RGB) # BGR -> RGB
    img2 = cv2.imread('data/humanparsing/SegmentationClassAug/2500_818.png')[..., 0]
    draw([img1, img2])
    
    img3 = cv2.cvtColor(cv2.imread('data/humanparsing/JPEGImages/dataset10k_1073.jpg'), cv2.COLOR_BGR2RGB) # BGR -> RGB
    img4 = cv2.imread('data/humanparsing/SegmentationClassAug/dataset10k_1073.png')[..., 0]
    draw([img3, img4])

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]

### 自定义数据集类 ###

在自定义数据集类的时候，如有数据增强操作，由于是进行的分割，所有图像和标签要进行相同的操作。

class MyDataset(paddle.io.Dataset):
        def __init__(self, mode, img_size=(600, 400)):
            super(MyDataset, self).__init__()
            assert mode in ['train', 'val'], "mode is one of ['train', 'val']"
            self.mode = mode
            self.img_size = img_size
            self.data = []
            with open(mode + '.txt', 'r') as f:
                for line in f.readlines():
                    line = line.strip()
                    self.data.append([
                        line.split(' ')[0],
                        line.split(' ')[1]
                    ])
            # 将输入数据变成适合Conv2D的输入, NHWC -> NCHW
            self.t = paddle.vision.transforms.Compose([
                paddle.vision.transforms.Transpose((2, 0, 1)),
                paddle.vision.transforms.Normalize(mean=127.5, std=127.5)
            ])
    
        def __getitem__(self, idx):
            img = cv2.imread(self.data[idx][0])
            label = cv2.imread(self.data[idx][1])
            img = paddle.vision.transforms.resize(img=img, size=self.img_size)
            label = paddle.vision.transforms.resize(img=label, size=self.img_size)
            if self.mode == 'train':
                img, label = self.__transform(img, label)
            img = self.t(img).astype('float32')
            label = label[..., 0].astype('int64')
            return img, label
    
        def __len__(self):
            return len(self.data)
        
        def __transform(self, img, label):
            flag = np.random.random()
            if flag < 0.1:
                angle = np.random.randint(360)
                # 旋转
                img = paddle.vision.transforms.rotate(img=img, angle=angle)
                label = paddle.vision.transforms.rotate(img=label, angle=angle)
                padding = [0, 0, 0, 0]
                top = np.random.randint(self.img_size[0])
                left = np.random.randint(self.img_size[1])
                padding[2] = left
                padding[3] = top
                # 裁剪
                img = paddle.vision.transforms.crop(img=img, top=top, left=left, height=self.img_size[0], width=self.img_size[1])
                label = paddle.vision.transforms.crop(img=label, top=top, left=left, height=self.img_size[0], width=self.img_size[1])
                # 填充
                img = paddle.vision.transforms.pad(img=img, padding=padding)
                label = paddle.vision.transforms.pad(img=label, padding=padding)
            return img, label

# 数据增强效果演示
    img_size = (600, 400)
    def t(img, label):
        """
        将自定义数据集里增强操作拿出来用一下
        """
        angle = np.random.randint(360)
        # 旋转
        img = paddle.vision.transforms.rotate(img=img, angle=angle)
        label = paddle.vision.transforms.rotate(img=label, angle=angle)
        padding = [0, 0, 0, 0]
        top = np.random.randint(img_size[0])
        left = np.random.randint(img_size[1])
        padding[2] = left
        padding[3] = top
        # 裁剪
        img = paddle.vision.transforms.crop(img=img, top=top, left=left, height=img_size[0], width=img_size[1])
        label = paddle.vision.transforms.crop(img=label, top=top, left=left, height=img_size[0], width=img_size[1])
        # 填充
        img = paddle.vision.transforms.pad(img=img, padding=padding)
        label = paddle.vision.transforms.pad(img=label, padding=padding)
        return img, label
    
    # 画图
    def draw(img_list, name=None):
        plt.figure(figsize=(15, 15))
        for i in range(len(img_list)):
            plt.subplot(1, len(img_list), i+1)
            plt.imshow(img_list[i])
            if name:
                plt.title(name[i])
        plt.legend()
        plt.show()
    
    # 查看数据
    img1 = cv2.cvtColor(cv2.imread('data/humanparsing/JPEGImages/2500_818.jpg'), cv2.COLOR_BGR2RGB) # BGR -> RGB
    mask1 = cv2.imread('data/humanparsing/SegmentationClassAug/2500_818.png')
    t_img1, t_mask1 = t(img1, mask1)
    draw([img1, mask1[..., 0], t_img1, t_mask1[..., 0]], ['Img', 'Label', 'Transform_Img', 'Transform_Label'])
    
    img2 = cv2.cvtColor(cv2.imread('data/humanparsing/JPEGImages/4565_1375.jpg'), cv2.COLOR_BGR2RGB) # BGR -> RGB
    mask2 = cv2.imread('data/humanparsing/SegmentationClassAug/4565_1375.png')
    t_img2, t_mask2 = t(img2, mask2)
    draw([img2, mask2[..., 0], t_img2, t_mask2[..., 0]], ['Img', 'Label', 'Transform_Img', 'Transform_Label'])

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 2]

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 3]

# 测试自定义数据集读取情况
    dataset = MyDataset(mode='train')
    img, label = dataset[0]
    print(img.shape, label.shape)

(3, 600, 400) (600, 400)

## MIOU ##

>  *  评价图像分割效果的指标
>  *  分割每一类别的交并比（IOU）

import numpy as np
    
    class IOUMetric:
        """
        Class to calculate mean-iou using fast_hist method
        """
    
        def __init__(self, num_classes):
            self.num_classes = num_classes
            self.hist = np.zeros((num_classes, num_classes))
    
        def _fast_hist(self, label_pred, label_true):
            # 找出标签中需要计算的类别,去掉了背景
            mask = (label_true >= 0) & (label_true < self.num_classes)
            # # np.bincount计算了从0到n**2-1这n**2个数中每个数出现的次数，返回值形状(n, n)
            hist = np.bincount(
                self.num_classes * label_true[mask].astype(int) +
                label_pred[mask], minlength=self.num_classes ** 2).reshape(self.num_classes, self.num_classes)
            return hist
    
        # 输入：预测值和真实值
        # 语义分割的任务是为每个像素点分配一个label
        def evaluate(self, predictions, gts):
            for lp, lt in zip(predictions, gts):
                assert len(lp.flatten()) == len(lt.flatten())
                self.hist += self._fast_hist(lp.flatten(), lt.flatten())
                
            # miou
            iou = np.diag(self.hist) / (self.hist.sum(axis=1) + self.hist.sum(axis=0) - np.diag(self.hist))
            miou = np.nanmean(iou) 
    
            return miou

## 一些常用的函数 ##

if os.path.exists('work/save_model') == False:
        os.mkdir('work/save_model')
    
    # 保存模型参数
    def save_model(model, model_name):
        print('{} model saving...'.format(model_name))
        paddle.save(model.state_dict(), 'work/save_model/{}.pdparames'.format(model_name))
    
    # 读取模型参数
    def load_model(model, model_name):
        if os.path.exists('work/save_model/{}.pdparames'.format(model_name)) == False:
            print('No {} model pdparames...'.format(model_name))
        else:
            model.set_state_dict(paddle.load('work/save_model/{}.pdparames'.format(model_name)))
            print('success loading {} model pdparames'.format(model_name))
    
    # 保存指标列表
    def save_miou_loss(data_list, name):
        with open(name+'.txt', 'a') as f:
            for data in data_list:
                f.write(str(data) + '\n')
    
    # 读取保存在文件的指标
    def read_miou_loss(name):
        data_list = []
        with open(name+'.txt', 'r') as f:
            for data in f.readlines():
                data_list.append(eval(data.strip()))
        return data_list

## DataLoader ##

>  *  用于模型训练、验证
>  *  每次返回一个batch的数据

# 数据集
    train_dataset = MyDataset(mode='train')
    val_dataset = MyDataset(mode='val')
    # dataloader
    batch_size = 4
    train_loader = paddle.io.DataLoader(dataset=train_dataset, batch_size=batch_size, places=paddle.CUDAPlace(0), shuffle=True, drop_last=True)
    val_loader = paddle.io.DataLoader(dataset=val_dataset, batch_size=batch_size, places=paddle.CUDAPlace(0), shuffle=True, drop_last=True)

# 测试dataloader
    count = 0
    for (img, label) in train_loader:
        print(img.shape, label.shape)
        count += 1
        if count == 10:
            break

/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/fluid/dataloader/dataloader_iter.py:89: DeprecationWarning: `np.bool` is a deprecated alias for the builtin `bool`. To silence this warning, use `bool` by itself. Doing this will not modify any behavior and is safe. If you specifically wanted the numpy scalar type, use `np.bool_` here.
    Deprecated in NumPy 1.20; for more details and guidance: https://numpy.org/devdocs/release/1.20.0-notes.html#deprecations
      if isinstance(slot[0], (np.ndarray, np.bool, numbers.Number)):
    
    
    [4, 3, 600, 400] [4, 600, 400]
    [4, 3, 600, 400] [4, 600, 400]
    [4, 3, 600, 400] [4, 600, 400]
    [4, 3, 600, 400] [4, 600, 400]
    [4, 3, 600, 400] [4, 600, 400]
    [4, 3, 600, 400] [4, 600, 400]
    [4, 3, 600, 400] [4, 600, 400]
    [4, 3, 600, 400] [4, 600, 400]
    [4, 3, 600, 400] [4, 600, 400]
    [4, 3, 600, 400] [4, 600, 400]

## 模型声明 ##

num_classes = 20
    model_name = 'PSPNet'
    model = PSPNet(num_classes=num_classes)
    # 优化器
    optimizer = paddle.optimizer.Adam(learning_rate=0.001, parameters=model.parameters())
    # 损失函数
    loss = paddle.nn.CrossEntropyLoss(axis=1)
    # 分割效果指标
    miou = IOUMetric(num_classes=num_classes)
    
    # 模型加载
    load_model(model=model, model_name=model_name)

success loading PSPNet model pdparames

## Train ##

epochs = 5
    train_loss_list = []
    train_miou_list = []
    val_loss_list = []
    val_miou_list = []
    print('Start Training...')
    for epoch in range(1, epochs+1):
        print('Epoch/Epochs:{}/{}'.format(epoch, epochs))
    
        print('Train...')
        train_loss = 0
        train_miou = 0
        model.train()
        for batch_id, (img, label) in enumerate(train_loader):
            optimizer.clear_grad()
            pred = model(img)
            step_loss = loss(pred, label)
            train_loss += step_loss.numpy()[0]
            # 计算miou, pred: num_loss * NCHW -> NHW 
            mask = np.argmax(pred.numpy(), axis=1)
            step_miou = 0
            for i in range(mask.shape[0]):
                # print(mask[i].shape, label.shape)
                step_miou += miou.evaluate(mask[i], label.numpy()[i])
            step_miou /= mask.shape[0]
            train_miou += step_miou
            step_loss.backward()
            optimizer.step()
            # 打印信息
            if (batch_id + 1) % 50 == 0:
               print('Epoch/Epochs:{}/{} Batch/Batchs:{}/{} Step Loss:{} Step Miou:{}'.format(epoch, epochs, batch_id+1, len(train_loader), \
                                                                                                step_loss.numpy(), step_miou))
        
        print('Train Loss:{} Train Miou:{}'.format(train_loss/len(train_loader), train_miou/len(train_loader)))
        train_loss_list.append(train_loss/len(train_loader))
        train_miou_list.append(train_miou/len(train_loader))
    
        print('Val...')
        val_loss = 0
        val_miou = 0
        model.eval()
        for batch_id, (img, label) in tqdm(enumerate(val_loader)):
            pred = model(img)
            step_loss = loss(pred, label)
            val_loss += step_loss.numpy()[0]
            # 计算miou, pred: num_loss * NCHW -> NHW 
            mask = np.argmax(pred.numpy(), axis=1)
            step_miou = 0
            for i in range(mask.shape[0]):
                # print(mask[i].shape, label.shape)
                step_miou += miou.evaluate(mask[i], label.numpy()[i])
            step_miou /= mask.shape[0]
            val_miou += step_miou
    
        print('Val Loss:{} Val Miou:{}'.format(val_loss/len(val_loader), val_miou/len(val_loader)))
        val_loss_list.append(val_loss/len(val_loader))
        val_miou_list.append(val_miou/len(val_loader))
    
        save_model(model, model_name)
    
    print('Train Over...')

# 保存数据
    save_miou_loss(train_loss_list, 'train_loss')
    save_miou_loss(train_miou_list, 'train_miou')
    save_miou_loss(val_loss_list, 'val_loss')
    save_miou_loss(val_miou_list, 'val_miou')

# 获得预测结果
    def get_mask(img):
        t = paddle.vision.transforms.Compose([
            paddle.vision.transforms.Transpose((2, 0, 1)), # HWC -> CHW
            paddle.vision.transforms.Normalize(mean=127.5, std=127.5)
        ])
        img1 = paddle.to_tensor([t(img)]) # 输入网络的图片形状为 : NCHW
    
        pred = model(img1) # NCHW
        mask = np.argmax(pred.numpy(), axis=1) # NCHW -> NHW
        return mask[0]
    # 画图
    def draw(img_list, name=None):
        plt.figure(figsize=(15, 15))
        for i in range(len(img_list)):
            plt.subplot(1, len(img_list), i+1)
            plt.imshow(img_list[i])
            if name:
                plt.title(name[i])
        plt.legend()
        plt.show()
    
    
    model.eval()
    
    img1 = cv2.imread('data/humanparsing/JPEGImages/4565_1912.jpg')
    label1 = cv2.imread('data/humanparsing/SegmentationClassAug/4565_1912.png', 0)
    mask1 = get_mask(img1)
    img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB) # BGR -> RGB
    
    img2 = cv2.imread('data/humanparsing/JPEGImages/dataset10k_6890.jpg')
    label2 = cv2.imread('data/humanparsing/SegmentationClassAug/dataset10k_6890.png', 0)
    mask2 = get_mask(img2)
    img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2RGB) # BGR -> RGB
    
    draw([img1, label1, mask1], ['Img', 'Label', 'Predict'])
    draw([img2, label2, mask2], ['Img', 'Label', 'Predict'])

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 4]  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 5]

## 可视化结果 ##

def show_list(data, name):
        for i in range(len(data)):
            plt.plot(np.array(data[i]), label=name[i])
        plt.title(name[-1])
        plt.xlabel('Epoch')
        plt.legend()
        plt.savefig(name[-1] + '.jpg')
        plt.show()
    
    train_loss_list = read_miou_loss('train_loss')
    train_miou_list = read_miou_loss('train_miou')
    val_loss_list = read_miou_loss('val_loss')
    val_miou_list = read_miou_loss('val_miou')
    
    show_list(
        [train_loss_list, val_loss_list],
        ['train loss', 'val loss', 'Loss']
    )
    show_list(
        [train_miou_list, val_miou_list],
        ['train miou', 'val miou', 'Miou']
    )

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_19_color_FFFFFF_t_70_g_se_x_16_pic_center]  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_19_color_FFFFFF_t_70_g_se_x_16_pic_center 1]

## 网图测试效果 ##

*  需要训练好的参数,效果才比较好

# 获得预测结果
    def get_mask(img):
        t = paddle.vision.transforms.Compose([
            paddle.vision.transforms.Transpose((2, 0, 1)), # HWC -> CHW
            paddle.vision.transforms.Normalize(mean=127.5, std=127.5)
        ])
        img1 = paddle.to_tensor([t(img)]) # 输入网络的图片形状为 : NCHW
    
        pred = model(img1) # NCHW
        mask = np.argmax(pred.numpy(), axis=1) # NCHW -> NHW
        return mask[0]
    
    # 画图
    def draw(img_list, name=None):
        plt.figure(figsize=(15, 15))
        for i in range(len(img_list)):
            plt.subplot(1, len(img_list), i+1)
            plt.imshow(img_list[i])
            if name:
                plt.title(name[i])
        plt.legend()
        plt.show()
        
    # 读取模型
    num_classes=20
    model_name = 'PSPNet'
    model = PSPNet(num_classes=num_classes)
    # 模型加载
    load_model(model=model, model_name=model_name)
    model.eval()
    # 预测
    tsy_img = cv2.imread('tsy.jpg')
    tsy_mask = get_mask(tsy_img)
    draw(
        [cv2.cvtColor(tsy_img, cv2.COLOR_BGR2RGB), tsy_mask]
    )

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 6]

# 项目总结 #

*  完成该项目需要对`ResNet`网络和`PSPNet`网络有一定的了解，同时也需要了解[PaddlePaddle API][]的用法，同时飞桨开源了很多模型代码，大家可以在[PaddlePaddle][]下找到更多模型的开源代码学习，包括`NLP`，`CV`等。
 *  AI Studio平台也为我们提高了很多学习的资源，大家可以找到自己需要的学习资源。
 *  更多基础的理论欢迎大家可以学习[李宏毅老师课程专区][Link 3]。
 *  大家在运行模型的时候遇见`OSError`错误的时候，需要调小输入数据的`批大小`或者输入数据的`尺寸`，实在不行就只能换一个更小的模型了。
 *  同时希望大家能在飞桨平台学习到更多的知识。

[Link 1]: https://aistudio.baidu.com/aistudio/projectdetail/1906567
[Pyramid Scene Parsing Network]: https://arxiv.org/abs/1612.01105
[Link 2]: https://aistudio.baidu.com/aistudio/education/group/info/1767
[92e8992bfe8eb422f9d5de751458a17a.png]: /images/20221005/acaf10d22a7d4363b546f43c95edb830.png
[a19093d86aa27a1bdad7af47cf40aa3f.png]: /images/20221005/10f98dfaff4f46428415bc40315e085d.png
[e1e4726e55a4030e19d3e74e67aa3194.png]: /images/20221005/80ee963343bc4e759171cb08db07c4c3.png
[b41c1aad5d1341918153169606014c03.png]: /images/20221005/49c51df8c0004b05b3d1e62fc94c03b6.png
[3992cf9c456ca872ca55c2c916231f4e.png]: /images/20221005/0b0d26cf06db4fb09323d0db3e9ce9c1.png
[198a2138802317215bd5d7fcf243892f.png]: /images/20221005/e68a8ebdd68049559b6de34b1f87f97d.png
[49b57589c950b1501a00dada500043a9.png]: /images/20221005/96fc31bd14df45799e38232cbb827e2b.png
[f7ed4b851c11831ce16c3ce1ace7826a.png]: /images/20221005/870dfc700fc447a38b83515d187d7638.png
[Dilated Residual Networks]: https://arxiv.org/abs/1705.09914
[6822f31cded13b61a5e8a05b15cf924d.png]: /images/20221005/cdf9b04de4fb41d8beeb209608e28b16.png
[3a7eea18cfeb48ee078dcabd8d8e089a.png]: /images/20221005/6b15c99bbdf84de083ea784ce1197d1e.png
[295e75b176c84ac2277e30d3d5f1569c.png]: /images/20221005/51fc6a37d66e4ef993dcfcb98e3bfb71.png
[61bec2e0a5678004ded13a196a31f55f.png]: /images/20221005/81badc6a236a43c6bb2d583c98514f59.png
[cb3a32d167b1f1c9bf3459e2d98f7367.png]: /images/20221005/1b3aed0a69a042ad9707b717531116c2.png
[d36071f832ace55c24c6dea59f395372.png]: /images/20221005/58cd13be9b4844cdb7cc8c63ec8863db.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20221005/f751ac53515c47bb8ca7c1987e8a92d6.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]: /images/20221005/d451df617a414238b1a5144e6eaea20b.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 2]: /images/20221005/e8ceb932ee4448928fe3d2a23e665134.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 3]: /images/20221005/695e310c4f7f42d3b2232bbb31a33f0e.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 4]: /images/20221005/befc1de18c8a4e51806b41e57c38f88f.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 5]: /images/20221005/d5e4f36845ec43fcb3233c2aede90442.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_19_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20221005/e3813394f6f14771bf821eb0d910d6da.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_19_color_FFFFFF_t_70_g_se_x_16_pic_center 1]: /images/20221005/477c046189994821a2e85ee5bde28b9f.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAVFEy_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 6]: /images/20221005/fd7924a484b64c20821e540b2cd2da3e.png
[PaddlePaddle API]: https://www.paddlepaddle.org.cn/documentation/docs/zh/api/index_cn.html
[PaddlePaddle]: https://github.com/PaddlePaddle
[Link 3]: https://aistudio.baidu.com/aistudio/lhycourse