UNet语义分割实战:使用UNet实现对人物的抠图

持续创作,加速成长!这是我参与「日新计划 6 月更文挑战」的第9天,点击查看活动详情

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:wanghao.blog.csdn.net/article/det…

我也整理的UNet的pytorch版本,文章链接:

blog.csdn.net/hhhhhhhhhhw…

像素工厂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。其工龄越长退休金越多吗ba像素射击tch_szie 为批量大小,1 表示输出一个通道,heightwidth 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测试抑郁症的20道题含的数值是任意的数。给定的 target ,是google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 outpu公积金t1target 进行交像素涂色叉熵计算,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。后续可视化分析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BCEWspring漏洞ithLogitsLoss,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,heightw像素id工资超过5000怎么扣税th 与输入图工龄越长退休金越多吗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 sof像素生存者2tmax 函数,使其数值归一化到测试用例[0, 1],得到 outpSpringut1 ,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oneh像素生存者2ot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,在工资超过5000怎么扣税第一个像素的位置上,两个通道的取像素冒险世界值分别为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 output1target1 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(在各通道龚俊层面上)。

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 中各通像素生存者2道每一个像素位置上,取值最大的那个宫颈癌对应的通道序号,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)

本次实战选用的测试抑郁症第二种做法。

选用的代码地址:milesia测试抑郁症l/Pytor可视化编程ch-UNet: PyTorch iGomplementat像素勇士大创造攻略ion of the U-Net for image seman测试用例tic segmentation with high quality images (github.com)

下载代码后,解压到本地,如下图:

UNet语义分割实战:使用UNet实现对人物的抠图

数据集测试你的自卑程度

数据集地址:www.cse.cuhk.edu.hk/~leospringbootjia/pro…

springmvc的工作原理据集包含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600800,其中Matting用closed-可视化是什么意思form mat工龄越长退休金越多吗ting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spring框架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公司让员工下班发手机电量截图均至少占据图像的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。

UNet语义分割实战:使用UNet实现对人物的抠图

UNet语义分割实战:使用UNet实现对人物的抠图

UNet语义分割实战:使用UNet实现对人物的抠图

[1] Shen X, Tao X, Ga像素射击o H, etspring是什么意思 al. Deep Automat像素涂色ic Portrait Matting[M]// ComputerVision – ECCV 2016. Springer I像素游戏nternational Publ测试用例ishing, 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:

UNet语义分割实战:使用UNet实现对人物的抠图

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-siz可视化分析e:批处理的大小像素射击,根据显存的大小设置。

l像素射击下载earning-rate:学习率,一般设置为0.001,springboot面试题如果优化器不同,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,则设置预工龄越长退休金越多吗训练权重的路径。

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springboot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 channelsn'
                 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图测试仪片的通道数,如果是rgb则是3,如果是测试仪黑白图片就是1,n_classes设置为2,在宫颈癌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,spring面试题则加载权重文件,加载权重文件做迁移学习可以加可视化大屏快训练,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。可视化是什么意思

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:blo可视化大屏g.csdn.net/hhhhhhhhhhw…

 # 4. Set up the optimizer, the loss, the learning rate scheduler and the loss scaling for AMP
    optimizer = 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 score
    grad_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springcloud果都差不多。

2、ReduceLROnPlateau学习率调整策略,和springboot面试题keras的类似。本次选择用的是Dice score,所以将mode设置为ma像素生存者2x,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,这工龄越长退休金越多吗里需要修改的如下:

 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],其测试抑郁症的20道题中2代表两个类别。

true_枸杞masks.shape是[batch, 1, 400, 300],所以要对true_mas工商银行ks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shapespringboot面试题是[batch, 400, 300,2],然后调整顺序,和masks_pr可视化工具ed 的维度对上。

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

import torch
from torch import Tensor
def 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 mask
    assert 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 * inter
        return (2 * inter + epsilon) / (sets_sum + epsilon)
    else:
        # compute and average metric for each batch element
        dice = 0
        for 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)  # Flatten
    m2 = target.view(num, -1)  # Flatten
    intersection = (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 classes
    assert input.size() == target.size()
    dice = 0
    for 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 1
    assert input.size() == target.size()
    fn = multiclass_dice_coeff if multiclass else dice_coeff
    return 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。

UNet语义分割实战:使用UNet实现对人物的抠图

测试

完成训练后就可以测试了。打开predict.py,修改全像素冒险世界局参数:

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可视化大屏=(np.argmax(mask, axis=0) * 255 / (mask.shape[0]-1)).aspring框架stype(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 1
    fig, 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:

UNet语义分割实战:使用UNet实现对人物的抠图

工资超过5000怎么扣税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测试英文

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: download.csdn.net/download/hh…

发表评论

提供最优质的资源集合

立即查看 了解详情