Tensorflow2.0---DeepLab v3+分割网络原理及代码解析（三）- 特征提取网络实现

Tensorflow2.0—DeepLab v3+分割网络原理及代码解析（三）- 特征提取网络实现

一、backbone

DeepLab v3+分割网络默认使用Xception或mobilenetV2作为其的主干网络，用于特征提取。其中mobilenetV2的结构，大佬已经解释的很清楚（https://blog.csdn.net/weixin_44791964/article/details/122655063），这里由于我的电脑还能跑的动大模型，所以我这里我选择的是Xception作为网络的backbone（有时间再写一篇关于backbone的blog吧~）

x, atrous_rates, skip1 = Xception(img_input, alpha, downsample_factor=downsample_factor)

上段代码是将（512,512,3）的输入图片经过Xception主干网络进行特征提取之后生成的fearture map。输出的三个值的shape如下：

• x：（N,32,32,2048）
• atrous_rates：（6,12,18）
• skip1：(N,128,128,256)

上面A模块就是backbone，他一共有两个特征图输出，上述对应的x（经过下采样2倍的低特征提取）会经过B模块，进行进一步的特征提取，而上述对应的x（经过下采样4倍的高特征提取）会进入decoder模块。

---

先说x

 # 分支0
    b0 = Conv2D(256, (1, 1), padding='same', use_bias=False, name='aspp0')(x)
    b0 = BatchNormalization(name='aspp0_BN', epsilon=1e-5)(b0)
    b0 = Activation('relu', name='aspp0_activation')(b0)

    # 分支1 rate = 6 (12)
    b1 = SepConv_BN(x, 256, 'aspp1',
                    rate=atrous_rates[0], depth_activation=True, epsilon=1e-5)
    # 分支2 rate = 12 (24)
    b2 = SepConv_BN(x, 256, 'aspp2',
                    rate=atrous_rates[1], depth_activation=True, epsilon=1e-5)
    # 分支3 rate = 18 (36)
    b3 = SepConv_BN(x, 256, 'aspp3',
                    rate=atrous_rates[2], depth_activation=True, epsilon=1e-5)
                    
    # 分支4 全部求平均后，再利用expand_dims扩充维度，之后利用1x1卷积调整通道
    b4 = GlobalAveragePooling2D()(x)
    b4 = Lambda(lambda x: K.expand_dims(x, 1))(b4)
    b4 = Lambda(lambda x: K.expand_dims(x, 1))(b4)
    b4 = Conv2D(256, (1, 1), padding='same', use_bias=False, name='image_pooling')(b4)
    b4 = BatchNormalization(name='image_pooling_BN', epsilon=1e-5)(b4)
    b4 = Activation('relu')(b4)
    # 直接利用resize_images扩充hw
    b4 = Lambda(lambda x: tf.compat.v1.image.resize_images(x, size_before[1:3], align_corners=True))(b4)

根据debug之后发现，x经过5个分支之后所得到的fearture map的shape都是（N,32,32,256），然后进行channels维度上面叠加，最后x变成了(N,32,32,1280)，根据图中所示，再经过一次（1,1）的卷积，改变一下通道数，得到了（N,32,32,256）。

x = Lambda(lambda xx: tf.compat.v1.image.resize_images(xx, skip_size[1:3], align_corners=True))(x)

最后一步，就是将上述的x进行上采样，得到了（N,128,128,256），待与skip进行concat。

再来看下skip1~

dec_skip1 = Conv2D(48, (1, 1), padding='same',use_bias=False, name='feature_projection0')(skip1)
dec_skip1 = BatchNormalization(name='feature_projection0_BN', epsilon=1e-5)(dec_skip1)
dec_skip1 = Activation(tf.nn.relu)(dec_skip1)

先将skip1的通道数变成48，然后与上述的x（N,128,128,256）进行concat，后接两次卷积得到一个fearture map（N,128,128,256）。
最后一步，就是将x转换为n_class通道数：

size_before3 = tf.keras.backend.int_shape(img_input)
# 512,512,21
x = Conv2D(num_classes, (1, 1), padding='same')(x)
x = Lambda(lambda xx:tf.compat.v1.image.resize_images(xx,size_before3[1:3], align_corners=True))(x)
x = Softmax()(x)

最终最终，我们得到了一个shape大小为（512,512,2）的fearture map，其中2是（1+分割类别数），因为最后一步采用了softmax，所以表达的是每个类别所占的比例大小。