fcn网络结构代码_经典网络复现系列（一）：FCN
1、FCN网络架构
FCN的前半段与VGG19架构相同，直接使用了VGG19预训练好的权重。
前半段的具体架构如下：
layers = (
'conv1_1', 'relu1_1', 'conv1_2', 'relu1_2', 'pool1',
'conv2_1', 'relu2_1', 'conv2_2', 'relu2_2', 'pool2',
'conv3_1', 'relu3_1', 'conv3_2', 'relu3_2', 'conv3_3',
'relu3_3', 'conv3_4', 'relu3_4', 'pool3',
'conv4_1', 'relu4_1', 'conv4_2', 'relu4_2', 'conv4_3',
'relu4_3', 'conv4_4', 'relu4_4', 'pool4',
'conv5_1', 'relu5_1', 'conv5_2', 'relu5_2', 'conv5_3',
'relu5_3', 'conv5_4', 'relu5_4'
)
输入层(理论上对图像大小无限制，复现时resize统一到了224*224，且经过了批归一化的预处理) -------------共16个卷积层(卷积+偏置)，对应16个relu层，5个pool层。 其中卷积层卷积步长为1，padding=‘SAME’。所以经过卷积层后图像的大小不变。pool层采用平均池化，核大小为2*2，步长[1,2,2,1]，padding='SAME',因此每经过一个pool层，图像的长和款就变为原本的二分之一。经过5个池化层后，map变为原来的1/32。
架构中段：
conv6 (卷积核[7,7,512,4096])+relu----drop_out层----conv7 (卷积核[1,1,4096,4096])+relu----dropout
卷积层卷积步长为1，padding=‘SAME’ 权重使用截断正态分布初始化。就是说产生正太分布的值如果与均值的差值大于两倍的标准差，那就重新生成。
架构后半段：
根据搭建方式的不同，FCN分为3种：FCN-32s,FCN-16s,FCN-8s
经过前、中段以后，conv8输出的map变为原来的1/32，后续不特指的话，缩小都是指长和宽。要实现端到端的像素分类，需要对其做反卷积，将map变为原本的大小。关于反卷积的原理，下文有讲述。所使用的函数是tf.nn.conv2d_transpose() 长宽扩大多少倍由参数stride决定。与stride=2 可以理解为将map反卷积成为原本的两倍。需要注意的是，与conv时的kernel [size,size,in,out]不同，tf.nn.conv2d_transpose()使用的kernel是[size,size,out,in]
FCN-8s: ((conv7*2+pool4)*2+pool3)*8 2*2*8=2^5 恢复到了原本的大小
FCN-16s:(conv7*2+pool4)*16
FCN-32s: conv7*32
我复现了FCN-8s的源码，这种skip layer可以将浅层的和深层的特征组合在一起。
三个反卷积核的大小依次是：[4,4,pool4.shape[-1].value,4096]，[4,4,pool3.shape[-1].value,pool4.shape[-1].value]，[16,16,NUM_OF_CLASSESS,pool3.shape[3].value]
stride依次是2,2,8。
最后一个反卷积层的输出是[batchsize,224,224,NUM_CLASSES] 通过softmax(在损失函数优化器中自带)计算出像素点属于各类别的置信度，选择置信度最高的作为预测值，得到pre
由pre和gt计算损失函数。
2、复现过程中的小trick
1)命令行参数
FCN.py
FLAGS=tf.flags.FLAGS
tf.flags.DEFINE_integer('batchsize','8','trainning batchsize') #参数 默认值 说明
tf.flags.DEFINE_float('learning_rate','1e-4','learning_rate')
tf.flags.DEFINE_bool('train', "True", "Debug mode: True/ False")
python FCN.py会直接使用默认的参数
python FCN.py --batchsize 32 --learning_rate 0.05 --train False 参数可以根据需求进行修改
后续代码调用参数的话：
FLAGS.batchsize
FLAGS.learning_rate
FLAGS.train
2)np.squeeze()
去除array中为1的维度
3)tf.variable_scope和tf.name_scope的区别：
tf.variable_scope可以让变量有相同的命名，包括tf.get_variable得到的变量，还有tf.Variable的变量
tf.name_scope可以让变量有相同的命名，只是限于tf.Variable的变量
所以如果
with tf.namescope('V1'):
with tf.namescope('V2'):
中都使用tf.get_variable得到了name为 'kernel' 的variable 会报错
但如果都使用tf.Variable得到了name为 'kernel' 的variable 不会报错
4)tf.variable与tf.get_variable
tf.Variable() 每次都在创建新对象，所有reuse=True 和它并没有什么关系。对于get_variable()，来说，如果已经创建的变量对象，就把那个对象返回，如果没有创建变量对象的话，就创建一个新的。
具体参数说明参考：https://blog.csdn.net/u012436149/article/details/53696970
5)tf.nn.conv2d_transpose
反卷积
tf.nn.conv2d_transpose(input_tensor,kernel,out_shape,[1,strider,strider,1],padding='SAME')
长宽扩大多少倍由参数stride决定。与stride=2 可以理解为将map反卷积成为原本的两倍。需要注意的是，与conv时的kernel [size,size,in,out]不同，tf.nn.conv2d_transpose()使用的kernel是[size,size,out,in]
需要指定output_shape
反卷积原理可见：https://blog.csdn.net/mao_xiao_feng/article/details/71713358
6)tfrecord数据集的制作和读取
参考另一篇博客 tensorflow高效读取数据(tfrecord)
7) label_batch=tf.expand_dims(label_batch,-1)
增加维度，增加的是哪一维，可以通过dims= 制定
8)损失函数的选择：
参考另一篇博客：关于tensorflow交叉熵损失函数的一些理解
9)优化器的选择：
参考博客：https://blog.csdn.net/aliceyangxi1987/article/details/73210204
10)权重的保存和恢复
with tf.Session() as sess:
saver=tf.train.Saver(max_to_keep=5)# 只保存最近的5个
if FLAGS.train==True:
sess.run(init) #如果是训练的话 初始化 不载入
else:
ckpt = tf.train.get_checkpoint_state('log')
saver.restore(sess,ckpt.model_checkpoint_path) #恢复最新的权重到sess中
saver.save(sess,'log/model.ckpt',step) #保存第step步的权重
11)训练一段时间后报错：
OutOfRangeError (see above for traceback): RandomShuffleQueue '_2_shuffle_batch/random_shuffle_queue' is closed and has insufficient elements (requested 8, current size 0)
[[Node: shuffle_batch = QueueDequeueManyV2[component_types=[DT_UINT8, DT_UINT8], timeout_ms=-1, _device="/job:localhost/replica:0/task:0/device:CPU:0"](shuffle_batch/random_shuffle_queue, shuffle_batch/n)]]
可能原因：tfrecord存储和读取时候的数据类型不一致。
1、数据编码前是float 解码时指定为uint8。
2、编码方式与解码方式不配对。
3、数据集有图片是损坏的。
检查后发现是第三个原因。
12)ubuntu下移动数据集，当数据集比较大，尽量使用终端命令，会比较快。
mv ./training/ADE_train_000202*.png ./train_back/
13)tensorflow的可视化
tf.summary.histogram 直方图
tf.summary.scalar 变量
最后
merged =tf.summary.merge_all() 将所有需要可视化的合并
定义writer
train_writer = tf.summary.FileWriter(FLAGS.log + '/train')
训练时每隔几步并写入一次
summary=sess.run(merged)
train_writer.add_summary(summary,step)
训练结束后查看:
在终端输入 tensorboard --logdir=dir
其中dir是summary日志存储的目录。
13)采用
if __name__=='__main__':
tf.app.run()
时 也就是python文件有预设参数时，调用main函数的定义：
def main(argv=None):
14)对于大数据集 制作numpy非常麻烦，因此数据格式为tfrecord会比较好，但是数据集比较小的话，制作成numpy会比较快。
15)
print('\r%d',step,end='') #'\r'使得下一次的输出把上一次的覆盖掉。end=''确保不换行。
sys.stdout.flush() #刷新
这两行代码是一个 在原位置不断刷新输出的简单例子
16)logging日志
使用方法参考
https://blog.csdn.net/hallo_ween/article/details/64906838
17)滑动平均的使用
以损失函数为例，滑动平均可以防止损失随着epoch的变化不太剧烈，而是相对平稳的下降，如果loss没有急剧的上涨，可以不考虑使用滑动平均，如果不稳定的话，可以使用。
使用方法：
v1 = tf.Variable(0, dtype=tf.float32)
step = tf.Variable(tf.constant(0))
ema = tf.train.ExponentialMovingAverage(0.99, step)
maintain_average = ema.apply([v1])
with tf.Session() as sess:
init = tf.initialize_all_variables()
sess.run(init)
print sess.run([v1, ema.average(v1)]) #初始的值都为0
sess.run(tf.assign(v1, 5)) #把v1变为5
sess.run(maintain_average)
print sess.run([v1, ema.average(v1)]) # decay=min(0.99, 1/10)=0.1, v1=0.1*0+0.9*5=4.5
sess.run(tf.assign(step, 10000)) # steps=10000
sess.run(tf.assign(v1, 10)) # v1=10
sess.run(maintain_average)
print sess.run([v1, ema.average(v1)]) # decay=min(0.99,(1+10000)/(10+10000))=0.99, v1=0.99*4.5+0.01*10=4.555
18)assert 断言的用法
格式 ： assert+空格+要判断语句+双引号“报错语句”
例子：
出错时候
assert 1>5, "chucuo"
输出值为：
---------------------------------------------------------------------------
AssertionError Traceback (most recent call last)
in ()
----> 1 assert 2>5, "chucuo"
AssertionError: chucuo
19)tf.identity()和tf.group()均可将语句变为操作
3、相关代码
1)代码架构：
准备数据(读入事先制作好的tfrecord)-------定义网络结构-------可视化------计算损失---定义优化器----初始化-----开启Session----训练(每训练20个batch进行一次验证)------测试
2)代码地址：
https://github.com/zlrai5895/FCN-writed