前言

在计算视觉领域，除了图像分类，目标检测，目标跟踪之外，图像分割也是研究的热点之一。图像分割的常用医学图像，比如CT图像分割，视网膜图像的分割，在其他领域例如地理图像分割中应用也比较广泛。本人之所以对图像分割感兴趣，主要是想将深度学习的图像分割方法用于人像分割，人脸分割，这些应用更贴合我们的生活。

目标

研究常见的基于深度学习的图像分割方法。目前已知的方法：FCN,SegNet,UNet....
训练FCN网络，实现人脸肤色分割

开发环境

Ubuntu 18.04
caffe, pycaffe
fcn工程

环境搭建

caffe,pycaffe的安装

caffe的安装在Ubuntu18.0上非常简单，一句命令搞定:
sudo apt-get install caffe-cpu
pycaffe也会自动安装到Ubuntu系统自带的python的安装包中。

FCN工程的配置

step1: 下载FCN源码
git clone https://github.com/shelhamer/fcn.berkeleyvision.org.git

FCN源码下载

image.png

step2: 下载预训练好的模型

image.png

打开文件夹 voc-fcn8s，打开caffemodel-url文件。下载模型

image.png

image.png

下载好模型之后，我直接保存到voc-fcn8s路径。

image.png

测试FCN图像分割

在训练网络之前，我们先用下载好的模型跑几张图片，测试一下效果。这样一方面我们可以有个直观的认识。

准备测试图像
在工程的demo文件夹下已经包含了一张测试图像，以及分割的结果。这个图像的尺寸为334x500。

image.png

这是demo中的原始图像

image.jpg

分割的结果

output.png

可视化结果

visualization.jpg

再准备几张测试图像，注意：尺寸保存334x500。

dog3_resize.jpg

person2_resize.jpg

测试代码
测试代码保存在infer.py文件

image.png

import numpy as np
from PIL import Image

import caffe
import vis

# the demo image is "2007_000129" from PASCAL VOC

# load image, switch to BGR, subtract mean, and make dims C x H x W for Caffe
im = Image.open('xxxx.jpg')
in_ = np.array(im, dtype=np.float32)
in_ = in_[:,:,::-1]
in_ -= np.array((104.00698793,116.66876762,122.67891434))
in_ = in_.transpose((2,0,1))

# load net
net = caffe.Net('voc-fcn8s/deploy.prototxt', 'voc-fcn8s/fcn8s-heavy-pascal.caffemodel', caffe.TEST)
# shape for input (data blob is N x C x H x W), set data
net.blobs['data'].reshape(1, *in_.shape)
net.blobs['data'].data[...] = in_
# run net and take argmax for prediction
net.forward()
out = net.blobs['score'].data[0].argmax(axis=0)

# visualize segmentation in PASCAL VOC colors
voc_palette = vis.make_palette(21)
out_im = Image.fromarray(vis.color_seg(out, voc_palette))
out_im.save('output.png')
masked_im = Image.fromarray(vis.vis_seg(im, out, voc_palette))
masked_im.save('visualization.jpg')

运行：
在当前路径下打开终端，输入： python3 ./infer.py
可能会有错误产生，比如xange错误，因为xrange是python2的用法，python3已经不再支持，只需要把xrange替换为range即可。