【深度学习】用CNN实现全景图像语义分割！
作者：张强，Datawhale成员
相信许多读者体验过b站上的全景视频，如果还没有，快来体验一下吧[1]！只需鼠标点击并移动，便可360度无死角的浏览全景视频，让人如同身临其境。全景图像，又称360°全景图，其数据分布在球面空间上。但是，当我们将全景图像展开时，会造成畸变。
怎么处理？直接将传统二维平面图像处理方法应用到球面数据上，其效果则会大大降低。而要解决分布在球面空间上的数据，需要特定的方法，比如球面卷积网络。本文手把手带你实践一个有趣的应用——全景图像语义分割，使用多种传统CNN方法和球面CNN方法进行对比。
如下图所示，全景图分割实例像素级别分类，每种实例对应一个标签。完成本教程后，你将能够做一个图中所示的全景图小应用。
文章数据集获取与代码地址见文末
1. 环境构建
基于深度学习的编程环境往往有各种复杂的环境依赖，而各种安装报错总是消磨我们的时间，其实之一过程可以大大缩短。我们所需要的也就是通过一个命令安装所有的依赖并打开环境
make up #等价于 docker-compose up -d再通过一个命令
make in来进入我们需要的环境，然后运行程序。为实现构建这一过程，基于docker –docker-compose – make来搭建我们的环境，其原理如下图所示：
docker –docker-compose – make三个工具对应三个配置文件，都在项目根目录进行了声明：
Dockerfile
docker-compose.yml
Makefile其中
Dockerfile定义了实验所需要的所有环境，依据此文件可以编译成docker镜像，其中包含我们需要的库docker-compose.yml定义了镜像的启动方式，在本文中，我们定义两个服务，一个作为终端来运行命令，一个作为jupyter lab供调试Makefile定义了启动环境的方式
本文实验环境：Ubuntu20.04，CUDA11.0，Pytorch1.7
Docker安装
# 1.安装docker
sudo apt install -y docker docker.io
# 2.安装英伟达docker
distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
&& curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \
&& curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update
sudo apt-get install -y nvidia-docker2
# 3.安装docker-compose(apt常常不能安装最新版本的docker-compose)
pip install docker-compose
# 4.解决linux下docker的权限问题，将用户放在docker组里
GROUPNAME=docker
getent group $GROUPNAME 2>&1 >/dev/null || groupadd $GROUPNAME
sudo usermod -aG docker $(whoami)
# 5.重启
sudo systemctl daemon-reload
sudo systemctl restart docker使用Docker镜像
Docker镜像构建好之后，可以直接运行docker命令启动镜像，但是这样不是最方便的。使用docker-compose搭配Makefile，具体操作如下：首先写好docker-compose.yml启动文件，可参考本项目对应的docker-compose.yml，接着，在Makefile里写常见docker相关命令，我们将应用分为启动（up）、关闭（down）、进入容器环境（in）三个需求，Makefile如下：
up:
docker-compose up -d
down:
docker-compose down
in:
docker-compose exec spherical-env bash本项目镜像已上传dockerhub，可以直接使用下列命令下载
docker pull qiangzibro/spherical_image_segmentation
# 或者使用下面命令自己编译
make build接着，一键完成编译、启动
make up #等价于 docker-compose up -d再通过下列命令便可以进入终端
make in使用docker-compose logs可以看到notebook对应的网址
2. 数据获取
使用2D-3D-S 数据集进行本实验，该数据集提供了来自 2D、2.5D 和 3D 域的各种相互注册的数据，以及实例级语义和几何注释。它收集在来自 3 座不同建筑的 6 个大型室内区域。它包含超过 70,000 张 RGB 图像，以及相应的深度、表面法线、语义注释、全局 XYZ 图像（均以常规和 360° 等距柱状图图像的形式）以及相机信息。它还包括注册的原始和语义注释 3D 网格和点云。
数据集从开源数据集网站格物钛获取，这个网站汇总了AI开发者常见的公开数据集，用户可以对数据集进行可视化预览、在线使用和下载等操作。这里我们不用下载，可以直接通过SDK读取数据集，操作步骤如下：
a. 打开本文对应数据集链接 https://gas.graviti.cn/dataset/qiangzibro/spherical_segmentation
b. 右上角注册登录
c. fork数据集
d. 点击网页上方开发者工具，获取使用SDK所需的AccessKey，获取到 AccessKey 后，将其存在项目根目录的gas_key.py里。
KEY = "" 然后即可以通过AccessKey可以上传数据、读取数据、使用数据，灵活对接模型开发和训练，与数据pipeline快速集成。
e. AccessKey写入后就可以写代码读取数据了。
from PIL import Image
dataset = Dataset("DatasetName", gas)
segment = dataset[0]
for data in segment:
with data.open() as fp:
image = Image.open(fp)
width, height = image.size
image.show()3. 方法
使用多种二维CNN方法和球面卷积方法UGSCNN。
其中，二维CNN有三种：UNet、ResNet和FCN；UGSCNN[3]参考自论文《Spherical CNNs on Unstructured Grids》，下面着重看一下UGSCNN的方法。
MeshConv对卷积算子进行定义：
class MeshConv(_MeshConv):
def __init__(self, in_channels, out_channels, mesh_file, stride=1, bias=True):
super(MeshConv, self).__init__(in_channels, out_channels, mesh_file, stride, bias)
pkl = self.pkl
if stride == 2:
self.nv_prev = pkl['nv_prev']
L = sparse2tensor(pkl['L'].tocsr()[:self.nv_prev].tocoo()) # laplacian matrix V->V
F2V = sparse2tensor(pkl['F2V'].tocsr()[:self.nv_prev].tocoo()) # F->V, #V x #F
else: # stride == 1
self.nv_prev = pkl['V'].shape[0]
L = sparse2tensor(pkl['L'].tocoo())
F2V = sparse2tensor(pkl['F2V'].tocoo())
self.register_buffer("L", L)
self.register_buffer("F2V", F2V)
def forward(self, input):
# compute gradient
grad_face = spmatmul(input, self.G)
grad_face = grad_face.view(*(input.size()[:2]), 3, -1).permute(0, 1, 3, 2) # gradient, 3 component per face
laplacian = spmatmul(input, self.L)
identity = input[..., :self.nv_prev]
grad_face_ew = torch.sum(torch.mul(grad_face, self.EW), keepdim=False, dim=-1)
grad_face_ns = torch.sum(torch.mul(grad_face, self.NS), keepdim=False, dim=-1)
grad_vert_ew = spmatmul(grad_face_ew, self.F2V)
grad_vert_ns = spmatmul(grad_face_ns, self.F2V)
feat = [identity, laplacian, grad_vert_ew, grad_vert_ns]
out = torch.stack(feat, dim=-1)
out = torch.sum(torch.sum(torch.mul(out.unsqueeze(1), self.coeffs.unsqueeze(2)), dim=2), dim=-1)
out += self.bias.unsqueeze(-1)
return out分割网络基于MeshConv算子构建了一个Unet网络：
4. 训练
环境构建好后只需简单的几个命令便可以运行起来
再使用make in成功进入到容器终端
基于CNN对网格进行分割
cd cnns
# 基于
./run.sh UNet
# 基于FCN
./run.sh FCN8s
# 基于ResNetDUCHDC
./run.sh ResNetDUCHDC脚本run.sh解释
# Model choice
# ResNetDUCHDC,FCN8s,UNet
# Run example
# 1) ./run.sh
# 2) ./run.sh FCN8s
# 3) ./run.sh ResNetDUCHDC
model="${1:-UNet}"
MESHFILES=../data/mesh_files
DATADIR=../data/2d3ds_pano_small/
# create log directory
mkdir -p logs
python train.py \
--batch-size 16 \ # 训练批量大小
--test-batch-size 16 \ #测试批量大小
--epochs 200 \ # 训练epoch数量
--data_folder $DATADIR \
--mesh_folder $MESHFILES \ # 正二十面体网格文件位置
--fold 3 \ # K-fold交叉验证，k=3。将原始数据分成K组(K-Fold)，将每个子集数据分别做一次验证集，其余的K-1组子集数据作为训练集，这样会得到K个模型。这K个模型分别在验证集中评估结果，最后的误差MSE(Mean Squared Error)加和平均就得到交叉验证误差。交叉验证有效利用了有限的数据，并且评估结果能够尽可能接近模型在测试集上的表现，可以做为模型优化的指标使用。
--log_dir logs/log_${model}_f16_cv3_rgbd \ # 日志目录
--decay \ # 学习率衰减
--train_stats_freq 5 \
--model ${model} \ #模型选择
--in_ch rgbd \ # 输入数据通道
--lr 1e-3 \ # 学习路
--feat 16 #特征层的数量基于UGSCNN对球面数据进行分割
cd ugscnn
./run.sh训练200个epoch后，可得如下结果：
5. 测试
使用提供的测试脚本test.sh即可进行测试
# 基于UNet
./test.sh UNet
# 基于FCN
./test.sh FCN8s
# 基于ResNetDUCHDC
./test.sh ResNetDUCHDC测试结果保存在当前目录下，命名格式为模型名+.npz，将其打开进行结果分析，如下所示。
全景图实例：
结果：
总结
本文介绍了docker作为环境构建的知识，介绍几种基于传统CNN方法和一种基于球面CNN的方法，并将上述方法在全景数据集上完成了分割任务。
数据集地址（代码上传在数据集讨论区）：
https://gas.graviti.cn/dataset/qiangzibro/spherical_segmentation
参考资料
[ 1 ] : https://www.bilibili.com/video/BV1NT4y1w7cy?from=search&seid=10079355191633664125
[ 2 ] : https://mp.weixin.qq.com/s/RZqa9aNgK--7pnkJHV1cAw
[ 3 ] : https://www.graviti.cn/
[ 4 ] : https://github.com/maxjiang93/ugscnn/
往期精彩回顾
适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑黄海广老师《机器学习课程》视频课本站qq群851320808，加入微信群请扫码：
点击“阅读原文”获取数据代码