语义分割基础知识

文章目录

  • 1. 常见的分割任务
  • 2. 暂定的学习规划
  • 3. 语义分割任务常见数据格式
    • 3.1 PASCAL VOC
    • 3.2 MS COCO
  • 4. 语义分割得到结果的具体形式
  • 5. 常见语义分割评价指标
  • 6. 语义分割标注工具
    • 6.1 Labelme -> 纯手工
    • 6.2 EISeg -> 半自动
  • 参考

1. 常见的分割任务

  1. 语义分割 (Semantic Segmentation) -> FCN
  2. 实例分割 (Instance Segmentation) -> Mask R-CNN
  3. 全景分割 (Panoramic Segmentation) -> Panoptic FPN

语义分割基础知识_第1张图片

语义分割基础知识_第2张图片

2. 暂定的学习规划

Model mIoU Global Pixel Acc Inference on CPU (sec) Params (M)
LR-ASPP MobileNetV3-Large 57.9 91.2 0.3278 3.22
DeepLabV3 MobileNetV3-Large 60.3 91.2 0.5869 11.03
FCN MobileNetV3-Large (not released) 57.8 90.9 0.3702 5.05
DeepLabV3 ResNet50 66.4 92.4 6.3531 39.64
FCN ResNet50 60.5 91.4 5.0146 32.96

3. 语义分割任务常见数据格式

3.1 PASCAL VOC

语义分割基础知识_第3张图片

PASCAL VOC中提供了分割数据集, 数据集中的图片对应标签存储格式为PNG (如右图所示), 标签图片中记录了每一个像素所属的类别信息. 需要注意的是, 右图所展示的图片是使用调色板实现的彩色, 它本质上是一个单通道的黑白图片.

那么这样是怎么实现的呢? 我们知道, 黑白图片每个像素的范围为 0 ~ 255, 那么不同值的像素就对应不同的颜色. 比如:

  • 像素0对应的是 (0, 0, 0) -> 黑色
  • 像素1对应的是 (127, 0, 0) -> 深红色
  • 像素255对应的是 (224, 224, 129) -> 灰色(特殊颜色)

这样, 不同值的像素就可以对应不同的颜色, 那么一张单通道黑白图就可以显示出彩色.

在使用Python的PIL读取灰度图时, 默认使用调色板, 即P模式.

除了上述需要明白的, 还有一些需要注意的点:

  1. 目标的边缘会用特殊的颜色进行区分
  2. 图片中的特殊区域也会用该颜色进行填充

语义分割基础知识_第4张图片

特殊颜色标注位置对应像素的值是255, 在网络训练时, Loss的计算会忽略像素值为255的地方, 这么做的原因是:

  1. 对于目标边缘到底属于那个部分, 并不好区分.
  2. 对于一些不好分割的目标, 使用该颜色进行填充, 以降低难度

3.2 MS COCO

MS COCO数据集针对图像中的每一个目标都记录了多边形坐标 (polygons)

可以看到, COCO中所有目标的轮廓都用多边形坐标展示出来了, 在使用MS COCO数据集时, 我们需要将多边形信息解码为PNG图片 (所期望的P模式PNG图片).

因为COCO划分的过于详细, 所以数据集不光可以做语义分割, 还可以做实例分割.

4. 语义分割得到结果的具体形式

语义分割基础知识_第5张图片

用调色板是方便看, 不然真的用灰度图的话, 0 ~ 255, 人眼很难区分的.

5. 常见语义分割评价指标

P i x e l   A c c u r a c y ( G l o b a l   A c c ) = ∑ i n i i ∑ i t i m e a n   A c c u r a c y = 1 n c l s ⋅ ∑ i n i i t i m e a n   I o U = 1 n c l s ⋅ ∑ i n i i t i + ∑ j n j i − n i i \begin{aligned} & {\rm Pixel \ Accuracy (Global \ Acc)} = \frac{\sum_i n_{ii}}{\sum_i t_i} \\ & {\rm mean \ Accuracy} = \frac{1}{n_{cls}} \cdot \sum_i \frac{n_{ii}}{t_i} \\ & {\rm mean \ IoU} = \frac{1}{n_{cls}} \cdot \sum_i \frac{n_{ii}}{t_i + \sum_j n_{ji} - n_{ii}} \end{aligned} Pixel Accuracy(Global Acc)=itiiniimean Accuracy=ncls1itiniimean IoU=ncls1iti+jnjiniinii

其中:

  • n i i n_{ii} nii: 类别 i i i 被预测为类别 i i i 的像素个数 (预测正确的像素个数)
  • n i j n_{ij} nij: 类别 i i i 被预测为类别 j j j 的像素个数 (预测错误的像素个数)
  • n c l s n_{cls} ncls: 目标类别个数 (包含背景)
  • t i = ∑ j n i j t_i = \sum_j n_{ij} ti=jnij: 目标类别 i i i总像素个数 (真实标签)

语义分割基础知识_第6张图片

因为忽略了边缘, 所以没有255的情况

针对每一个类别, 分别计算正负样本, 即可得到混淆矩阵, 如下图所示:

语义分割基础知识_第7张图片

根据混淆矩阵就可以得到Global Accuracy (Pixel Accuracy):

P i x e l   A c c u r a c y ( G l o b a l   A c c ) = 16 + 3 + 16 + 12 + 8 64 ≈ 0.859 {\rm Pixel \ Accuracy (Global \ Acc)} = \frac{16 + 3 + 16 + 12 + 8}{64} \approx 0.859 Pixel Accuracy(Global Acc)=6416+3+16+12+80.859

也可以根据每一个类别算出不同类别的Accuracy:

c l s 0   a c c = 16 20 c l s 1   a c c = 3 4 c l s 2   a c c = 16 16 c l s 3   a c c = 12 16 c l s 4   a c c = 8 8 \begin{aligned} & {\rm cls_0 \ acc} = \frac{16}{20} \\ & {\rm cls_1 \ acc} = \frac{3}{4} \\ & {\rm cls_2 \ acc} = \frac{16}{16} \\ & {\rm cls_3 \ acc} = \frac{12}{16} \\ & {\rm cls_4 \ acc} = \frac{8}{8} \\ \end{aligned} cls0 acc=2016cls1 acc=43cls2 acc=1616cls3 acc=1612cls4 acc=88

也就是混淆矩阵对角线上的值分别除以它们各自的数量 (标签中该类别的数量)

得到了所有类别各自的Accuracy, 也就可以得的mean Accuracy:

m e a n   A c c u r a c y = 1 n c l s ⋅ ∑ i n i i t i 16 20 + 3 4 + 16 16 + 12 16 + 8 8 5 = 0.86 \begin{aligned} {\rm mean \ Accuracy} & = \frac{1}{n_{cls}} \cdot \sum_i \frac{n_{ii}}{t_i} \\ & \frac{\frac{16}{20} + \frac{3}{4} + \frac{16}{16} + \frac{12}{16} + \frac{8}{8}}{5} \\ & = 0.86 \end{aligned} mean Accuracy=ncls1itinii52016+43+1616+1612+88=0.86

根据公式:

m e a n   I o U = 1 n c l s ⋅ ∑ i n i i t i + ∑ j n j i − n i i 预测对的该类别像素个数 预测为该类别的像素个数 + 该类别标签中的个数 ( 因该预测对的个数 ) − 预测对的该类别像素个数 \begin{aligned} {\rm mean \ IoU} & = \frac{1}{n_{cls}} \cdot \sum_i \frac{n_{ii}}{t_i + \sum_j n_{ji} - n_{ii}}\\ & \frac{预测对的该类别像素个数}{预测为该类别的像素个数 + 该类别标签中的个数(因该预测对的个数) - 预测对的该类别像素个数} \end{aligned} mean IoU=ncls1iti+jnjiniinii预测为该类别的像素个数+该类别标签中的个数(因该预测对的个数)预测对的该类别像素个数预测对的该类别像素个数

其中:

  • 预测对的该类别像素个数: 对角线
  • 预测为该类别的像素个数: 列
  • 该类别标签中的个数(因该预测对的个数): 行

因此, 我们就可以计算出mean IoU:

m e a n   I o U c l s 0 = 16 20 + 18 − 16 m e a n   I o U c l s 1 = 3 4 + 4 − 3 m e a n   I o U c l s 2 = 16 16 + 18 − 16 m e a n   I o U c l s 3 = 12 16 + 12 − 12 m e a n   I o U c l s 4 = 8 8 + 12 − 8 \begin{aligned} & {\rm mean \ IoU}_{cls_0} = \frac{16}{20 + 18 - 16} \\ & {\rm mean \ IoU}_{cls_1} = \frac{3}{4 + 4 - 3} \\ & {\rm mean \ IoU}_{cls_2} = \frac{16}{16 + 18 - 16} \\ & {\rm mean \ IoU}_{cls_3} = \frac{12}{16 + 12 - 12} \\ & {\rm mean \ IoU}_{cls_4} = \frac{8}{8 + 12 - 8} \\ \end{aligned} mean IoUcls0=20+181616mean IoUcls1=4+433mean IoUcls2=16+181616mean IoUcls3=16+121212mean IoUcls4=8+1288

6. 语义分割标注工具

6.1 Labelme -> 纯手工

代码地址: https://github.com/wkentaro/labelme

6.2 EISeg -> 半自动

代码地址: https://github.com/PaddlePaddle/PaddleSeg

该标注软件是一个半自动的标注工具, 里面内置了一些预训练模型, 可以使用AI帮助我们标注.

百度的标注工具对于日常中常见的目标来说, 是极为高效的, 如果自定义数据集中的目标相对罕见, 那么EISeg和Labelme其实是差不多的.

参考

  1. https://www.bilibili.com/video/BV1ev411P7dR

你可能感兴趣的:(PyTorch,语义分割,面试题,计算机视觉,人工智能,python)