Tensorflow下利用Deeplabv3+训练自己的数据(超详细完整版）

使用deeplabv3+进行语义分割

环境要求：python3、tensorflow-gpu 1.11.0或者以上，ubuntu/win都可以

0.DeepLabv3+代码下载

0.1 将tensorflow的models下载到本地

git clone https://github.com/tensorflow/models.git

 0.2 添加环境变量：

windows用户:

右键点击我的电脑==>属性==>高级系统设置 ==>环境变量==>新建==>将slim文件路径添加进来（路径根据自己实际地填写）

Linux用户:

添加依赖库到PYTHONPATH，在目录/home/user/models/research下：

# From /home/user/models/research/
$ export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
$ source ~/.bashrc

1.数据准备：

1.1 数据集做标签（语义分割、实例分割通用): 标注完成获得原始图片对应的json文件

    图片（images:jpg）、标签文件(annotations：json)

1.2 json转灰度png: 利用labelme将json文件数据转换成voc格式，方便后续进一步转换成deeplab训练所需的灰度图格式

将labelme项目下载到本地：

git clone https://github.com/wkentaro/labelme.git

找到目录/labelme/examples/semantic_segmentation，里面有一个进行转换的完整示例；

对照着示例，将自己的数据（原始图片和对应json标注）放入data_annotated文件夹；

制作自己的labels.txt，而labelme2voc.py文件不需改动。如下：

# It generates:
#   - data_dataset_voc/JPEGImages
#   - data_dataset_voc/SegmentationClass
#   - data_dataset_voc/SegmentationClassVisualization
python labelme2voc.py data_annotated data_dataset_voc --labels labels.txt

会生成data_dataset_voc文件夹，里面包含：

1.3 colormap的PNG标注图转换到灰度图PNG

deeplab使用单通道的标注图，即灰度图，并且类别的像素标记应该是0,1,2,3…n（共计n+1个类别，包含1个背景类和n个目标类），此外，标注图上忽略的像素值标记为255。

注意：不要把 ignore_label 和 background 混淆，ignore_label（作为crop_size时像素大小不够的情况下填充的白色像素点） 没有做标注，不在预测范围内，即不参与计算loss。我们在mask中将 ignore_label 的灰度值标记为 255，而background 标记为 0。

我们上一步获得了voc格式数据，对于voc这种有colormap的标注图，可以利用remove_gt_colormap.py去掉colormap转成灰度图。

使用models/research/deeplab/datasets/remove_gt_colormap.py

# from models/research/deeplab/datasets
python remove_gt_colormap.py \
  --original_gt_folder="/path/SegmentationClassPNG" \
  --output_dir="/path/SegmentationClassRaw"

original_gt_folder:是原始标签图文件夹，这里给定上一步生成的data_dataset_voc文件夹下的SegmentationClassPNG文件夹路径;

output_dir:是要输出的标签图文件夹的位置，设定为和SegmentationClassPNG文件夹同级目录下的SegmentationClassRaw文件夹。
生成的SegmentationClassRaw文件夹里面就是需要的灰度图（mask）：

1.4 生成train.txt、valid.txt，不需要分出测试集

• train.txt: 训练集
• valid.txt: 验证集

数据集目录如下：

From /root/data

• images
• mask
• txt_and_tfrecord：放置txt、tfrecord

              txt：放置train.txt、val.txt

              tfrecord：放置train.tfrecord、val.tfrecord等

这里贴出我自己写的生成代码generate_train&valid_txt.py：90%训练集、10%验证集

import os
import random
root_path = os.getcwd()
images_dir = root_path + '\\data\\images'
images_list = os.listdir(images_dir)
print(images_list)
print('----------------------------------------------')
random.shuffle(images_list) # 打乱图片的分布
print(images_list)
total_num = len(images_list)
print("总数量：",total_num)

train_num = int(total_num*0.9)
print("训练集数量：",train_num)
print("验证集数量：",total_num-train_num)

list_file_1 = open(root_path+'\\data\\txt_and_tfrecord\\txt\\train.txt', 'w')
for item1 in images_list[:train_num]:
    image_id = item1.split('.')[0]
    list_file_1.write('%s\n' % (image_id))
list_file_1.close()

list_file_2 = open(root_path + '\\data\\txt_and_tfrecord\\txt\\val.txt', 'w')
for item2 in images_list[train_num:]:
    image_id = item2.split('.')[0]
    list_file_2.write('%s\n' % (image_id))
list_file_2.close()

最终获取的文件名如下：

1.5 生成train.tfrecord、val.tfrecord

利用build_voc2012_data.py转换成tfrecord格式: image_format为原始图片的格式。

# from /root/models/research/deeplab/datasets/
python ./build_voc2012_data.py \
  --image_folder="./data/images" \
  --semantic_segmentation_folder="./data/mask" \
  --list_folder="./data/txt_and_tfrecord/txt" \
  --image_format="jpg" \
  --output_dir="./data/txt_and_tfrecord/tfrecord"

2. 修改训练文件
2.1 修改data_generator.py(deeplab/datasets下）

找到data_generator.py文件，在大概110行的位置，添加自己数据集的描述，假设数据集有a，b, background三个类别，加上ignore_label，一共4类，所以num_classes=4：

_MYDATA_INFORMATION = DatasetDescriptor(
    splits_to_sizes={
        'train': 1500,  # 训练集数量
        'val': 300,  # 测试集数量
    },
    num_classes=4,
    ignore_label=255,
)

之后注册数据集，在大概112行的位置添加自己的数据集：

_DATASETS_INFORMATION = {
    'cityscapes': _CITYSCAPES_INFORMATION,
    'pascal_voc_seg': _PASCAL_VOC_SEG_INFORMATION,
    'ade20k': _ADE20K_INFORMATION,
    'mydata':_MYDATA_INFORMATION, # 添加自己的数据集
}

2.2 train_utils.py

在train_utils.py中，先将大概109行的关于exclude_list的设置修改，作用是在使用预训练权重时候，不加载该logit层：

exclude_list = ['global_step','logits']
if not initialize_last_layer:
    exclude_list.extend(last_layers)

对于数据集本身，如果数据不平衡，即各类别a，b，background在数据集中占比不相同，比如background占比远大于a，b类别，则需要对权重进行分配，假设权重比为1:10:11，则在train_utils.py的大概70行修改权重：

ignore_weight = 0
label0_weight = 1 # 对应background，mask中灰度值0
label1_weight = 10 # 对应a，mask中灰度值1
label2_weight = 11 # 对应b，mask中灰度值2

not_ignore_mask = tf.to_float(tf.equal(scaled_labels, 0)) * label0_weight + \
tf.to_float(tf.equal(scaled_labels, 1)) * label1_weight + \
tf.to_float(tf.equal(scaled_labels, 2)) * label2_weight + \
tf.to_float(tf.equal(scaled_labels, ignore_label)) * ignore_weight 

tf.losses.softmax_cross_entropy(
    one_hot_labels,
    tf.reshape(logits, shape=[-1, num_classes]),
    weights=not_ignore_mask,
    scope=loss_scope)

如果数据不平衡，这里涉及到对各类别像素的统计，贴一个脚本：

# 统计类别像素比例
import cv2
import numpy as np
import glob

pngpath = glob.glob('./datac/mask/*.png')
zmat = np.zeros([30], dtype = np.float32)

for path in pngpath:
    mask = cv2.imread(path, cv2.IMREAD_GRAYSCALE)
    for pixelvalue in range(30):
        a1 = mask == pixelvalue
        a1_count = len(mask[a1])
        zmat[pixelvalue]+=a1_count/10000

list  = []
for a in zmat:
    b = zmat[0]/a
    list.append(b)
    print(list)

3. 模型训练

3.1 训练设置

如果想在DeepLab的基础上fine-tune其他数据集， 可在train.py中修改输入参数。有一些选项：

使用预训练的所有权重，设置initialize_last_layer=True
只使用网络的backbone，设置initialize_last_layer=False和last_layers_contain_logits_only=False
使用所有的预训练权重，除了logits，因为如果是自己的数据集，对应的classes不同（这个我们前面已经设置不加载logits）,可设置initialize_last_layer=False和last_layers_contain_logits_only=True

最终设置：

• initialize_last_layer=False
• last_layers_contain_logits_only=True

3.2  修改训练代码只保存唯一模型

训练代码334行，修改三处：红色部分

saver = tf.train.Saver(max_to_keep=1)
hooks = [stop_hook, tf.train.CheckpointSaverHook(checkpoint_dir=train_logdir, save_steps=200, saver=saver)]

profile_dir = None
if profile_dir is not None:
  tf.gfile.MakeDirs(profile_dir)

with tf.contrib.tfprof.ProfileContext(
    enabled=profile_dir is not None, profile_dir=profile_dir):
  with tf.train.MonitoredTrainingSession(
      master='',
      is_chief=True,
      config=session_config,
      scaffold=scaffold,
      checkpoint_dir=train_logdir,
      # summary_dir=train_logdir,
      log_step_count_steps=log_steps,
      save_summaries_steps=600,   # 600
      save_checkpoint_secs=None,
      hooks=hooks) as sess:            # 增加hooks回调参数保存唯一模型
    while not sess.should_stop():
      sess.run([train_tensor])

3.3 训练指令

# from /root/models/research/
python deeplab/train.py \
    --logtostderr \
    --num_clones=1 \
    --training_number_of_steps=50000 \
    --train_split="train" \
    --model_variant="xception_65" \
    --atrous_rates=6 \
    --atrous_rates=12 \
    --atrous_rates=18 \
    --output_stride=16 \
    --decoder_output_stride=4 \
    --train_crop_size=513 \
    --train_crop_size=513 \
    --train_batch_size=6 \
    --dataset="mydata" \
    --fine_tune_batch_norm=False \
    --tf_initial_checkpoint='./deeplab/backbone/xception_65/model.ckpt' \
    --train_logdir='./deeplab/models/mydata' \
    --dataset_dir='./deeplab/data/txt_and_tfrecord/tfrecord'

其中：
num_clones：用1个gpu进行训练所以设置成1，默认为1。

train_crop_size：裁剪图片大小，先高后宽（height+1, width+1）

对于参数的说明：

不得小于 [321, 321]
(crop_size - 1)/4 = 整数
将crop_size设置为[256, 256]，结果不会好，因为其有ASPP（atrous spatial pyramid pooling)模块；
如果图片过小，到feature map时没有扩张卷积的范围大了，所以要求一个最小值

train_batch_size：batch尺寸，如要训练BN层，batch_size值最好大于12，如果显存不够，可调整crop_size大小，但不得小于[321, 321]。

fine_tune_batch_norm：当batch_size大于12时，设置为True。

tf_initial_checkpoint：修改成自己的预训练权重路径，我这边使用的是xception_71_imagenet，在网站 https://github.com/tensorflow/models/blob/master/research/deeplab/g3doc/model_zoo.md 可根据自己的需求获取对应的预训练权重。

train_logdir：训练产生的文件存放路径。

训练时部分输出：

...
INFO:tensorflow:global step 98250: loss = 1.9128 (0.731 sec/step)
INFO:tensorflow:global step 98260: loss = 3.2374 (0.740 sec/step)
INFO:tensorflow:global step 98270: loss = 1.3137 (0.736 sec/step)
INFO:tensorflow:global step 98280: loss = 3.3541 (0.732 sec/step)
INFO:tensorflow:global step 98290: loss = 1.1512 (0.740 sec/step)
INFO:tensorflow:global step 98300: loss = 1.8416 (0.735 sec/step)
INFO:tensorflow:global step 98310: loss = 1.5447 (0.753 sec/step)
...

4.模型验证：计算验证集的miou

4.1 修改eval.py代码

eval.py159行增加二行代码：

print_miou = tf.Print(miou, [miou], 'miou is:')  #创建tf.Print()的op
tf.summary.scalar('print_miou', print_miou)      #把这个op加到summary里，后面在tf.contrib.training.evaluate_repeatedly中会自动调用

4.2 拿到miou变量值

eval.py最后增加五行代码：

event_file = os.path.join(eval_logdir, os.listdir(eval_logdir)[0])
  for e in tf.train.summary_iterator(event_file):
    for v in e.summary.value:
      if v.tag == 'miou_1.0':               # 选取要读取数据的节点    v.tag == 'miou_1.0' or v.tag == 'print_miou_'
        miou_value = round(v.simple_value, 4)   # 保留小数点后4位

4.3 验证指令：

python deeplab/eval.py \
    --logtostderr \
    --eval_split="val" \
    --model_variant="xception_65" \
    --atrous_rates=6 \
    --atrous_rates=12 \
    --atrous_rates=18 \
    --output_stride=16 \
    --decoder_output_stride=4 \
    --eval_crop_size=513 \
    --eval_crop_size=513 \
    --dataset="mydata" \
    --checkpoint_dir='./deeplab/models/mydata/' \
    --eval_logdir='./deeplab/models/mydata/eval/' \
    --dataset_dir='./deeplab/data/txt_and_tfrecord/tfrecord'

其中：
eval_split：设置为测试集val。

eval_crop_size：同样设置为val图片大小513*513,先高后宽（height+1, width+1）

部分输出：

INFO:tensorflow:Starting evaluation at 2049-06-27-00:54:14
INFO:tensorflow:Evaluation [27/271]
INFO:tensorflow:Evaluation [54/271]
INFO:tensorflow:Evaluation [81/271]
INFO:tensorflow:Evaluation [108/271]
INFO:tensorflow:Evaluation [135/271]
INFO:tensorflow:Evaluation [162/271]
INFO:tensorflow:Evaluation [189/271]
INFO:tensorflow:Evaluation [216/271]
INFO:tensorflow:Evaluation [243/271]
INFO:tensorflow:Evaluation [270/271]
INFO:tensorflow:Evaluation [271/271]
INFO:tensorflow:Finished evaluation at 2019-06-27-00:54:36
miou_1.0[0.998610853]

如果之后显示INFO:tensorflow:Waiting for new checkpoint 

 设置：max_number_of_evaluations = 1  就可以解决运行一次之后还没关闭程序的问题

5.模型可视化

可视化指令：

python deeplab/vis.py \
    --logtostderr \
    --vis_split="val" \
    --model_variant="xception_65" \
    --atrous_rates=6 \
    --atrous_rates=12 \
    --atrous_rates=18 \
    --output_stride=16 \
    --decoder_output_stride=4 \
    --vis_crop_size=513 \
    --vis_crop_size=513 \
    --dataset="mydata" \
    --colormap_type="pascal" \
    --checkpoint_dir='./deeplab/mdoels/mydata/' \
    --vis_logdir='./deeplab/models/mydata/vis/' \
    --dataset_dir='./deeplab/data/txt_and_tfrecord/tfrecord/'

其中：
vis_split：设置为测试集val。

vis_crop_size：设置成val数据集里面图片的大小，比如我的是512*512，那就设置先高后宽（height+1, width+1）：513*513

dataset：设置为我们在data_generator.py文件设置的数据集名称。

dataset_dir：设置为创建的tfrecord路径。

colormap_type：可视化标注的颜色。

可视化部分输出：

INFO:tensorflow:Restoring parameters from /root/models/research/deeplab/exp/mydata_train/train/model.ckpt-100000
INFO:tensorflow:Visualizing batch 1 / 271
INFO:tensorflow:Visualizing batch 2 / 271
INFO:tensorflow:Visualizing batch 3 / 271
INFO:tensorflow:Visualizing batch 4 / 271
...

可视化结果：

6. 导出模型，生成frozen_inference_graph.pb以便接下来inference

python deeplab/export_model.py \
  --logtostderr \
  --checkpoint_path="./deeplab/mdoels/mydata/model.ckpt-48214" \
  --export_path="./deeplab/models/mydata/frozen_inference_graph.pb" \
  --model_variant="xception_65" \
  --atrous_rates=6 \
  --atrous_rates=12 \
  --atrous_rates=18 \
  --output_stride=16 \
  --decoder_output_stride=4 \
  --num_classes=4 \
  --crop_size=513 \
  --crop_size=513 \
  --inference_scales=1.0

尝试输入不同分辨率的图像，分割效果差距很大。
export_model 的时候crop_size 的参数选择：根据自己的测试，此时的crop_size ：[513,513]

如果比513大，预测出来的效果会很稀疏，不好。如果比513小，直接报错。

一些可能的困难

数据集不平衡

之前已经说过这个问题，如果各类别的像素区域差别大，需要设置权重进行平衡。

输入数据尺寸统一(可选）

我的原始数据大小不一，由于在训练时设置crop_size不能小于321321，所以我将原始图片和mask进行尺寸统一为512，512。

贴一段统一尺寸的脚本：

# mask的size统一
import cv2
import glob
maskpath = glob.glob('./mask/*.png')
for path in maskpath:
        name = path[31:]
        crop_size = (512, 512)
        img = cv2.imread(path, cv2.IMREAD_GRAYSCALE)
        img_new = cv2.resize(img, crop_size, interpolation = cv2.INTER_LINEAR)
        cv2.imwrite('./maskc/'+name, img_new, [int(cv2.IMWRITE_PNG_COMPRESSION), 0])

注意，对于灰度图的mask，我使用的插值方式是cv2.INTER_LINEAR，因为只有这个方式能够保证在缩放的时候不引入其他的像素值（比如这个类别的像素值是3，在缩放的时候边缘不会出现2，1）。

官方FAQ

deeplab官方FAQ：https://github.com/tensorflow/models/blob/master/research/deeplab/g3doc/faq.md
可能会找到想要的问题答案。

[References]:

https://blog.csdn.net/malvas/article/details/88896283

https://blog.csdn.net/malvas/article/details/90776327

https://blog.csdn.net/u011974639/article/details/80948990

https://blog.csdn.net/weixin_41713230/article/details/8193776

https://www.jianshu.com/p/dcca31142b99

https://www.aiuai.cn/aifarm276.html