基于Deeplabv3+和Unet的语义分割案例分析——津南数字制造算法挑战复赛

写在前面

无论是物体检测，还是语义分割，笔者都是比赛中才开始了解各种网络架构，优劣对比也是参考的网络上各种评价，没有项目经验。所以，选择网络架构时局限性很大，初赛时，毫不犹豫的选择了网上点赞最多的YOLOv3；复赛时，先是选择了deeplabv3+调试，后来又转到了可操作性更高的Unet。建议大家做比赛时，一定要多调研（百度，知乎，Github…)，多交流（关注比赛群里的交流）。

赛题介绍

复赛赛题和初赛基本一致，区别在于复赛是语义分割问题，评价标准是：5类IoU的平均值。

数据预处理

基本操作：旋转、缩放、随机剪裁。

物体检测框架选择

这里很简单地介绍一下Deeplabv3+和Unet。
Deeplabv3+：

特点：

• ASPP结构；
• 引入encode-decode结构，Deeplabv3的decode比较粗糙；
• 使用改进后的Xception作为backbone

Unet:

特点：

• encoder-decoder代表
• 简单，高效，易懂，可操作性强

调参过程

• 同初赛，训练一个二分类网络筛选测试集；
• backbone：deeplabv3+尝试了resnet50，resnet101，resnet152和xception，resnet152效果最好；Unet尝试了resnet50，se-resnet50，se-resnext50，resnet101，se-resnet101，se-resnext50效果最好；
• 更换loss：BCEloss，Lovasz-Softmax loss，BCEloss+Lovasz-Softmax loss，OHEM。OHEM效果更好。
• TTA：多尺度预测+水平翻转；
• Unet的decoder方式：试了SCSE、IBN和OC。IBN效果更好。

小结

• Deeplabv3+分割效果更好，边缘更光滑，但是训练和推断速度都比较慢；
• Unet训练速度很快，硬件资源有限的情况下，可以用Unet尝试更多的想法；
• 比赛数据集里有这样的问题：在训练集里同一个像素有多于一个的类别，测试集同一个像素也需要预测多个类别。对于这个问题，笔者尝试了将多分类问题转换为多个二分类问题，效果没有大的改善；
• Deeplabv3+增大epoch有改善趋势，但是它，实在，是好慢…