segnet和unet区别_比较语义分割的几种结构：FCN，UNET，SegNet，PSPNet和Deeplab
简介
语义分割：给图像的每个像素点标注类别。通常认为这个类别与邻近像素类别有关，同时也和这个像素点归属的整体类别有关。利用图像分类的网络结构,可以利用不同层次的特征向量来满足判定需求。现有算法的主要区别是如何提高这些向量的分辨率，以及如何组合这些向量。
几种结构
全卷积网络FCN：上采样提高分割精度，不同特征向量相加。[3]
UNET：拼接特征向量；编码-解码结构；采用弹性形变的方式，进行数据增广；用边界加权的损失函数分离接触的细胞。[4]
SegNet：记录池化的位置，反池化时恢复。[3]
PSPNet：多尺度池化特征向量，上采样后拼接[3]
Deeplab：池化跨度为1，然后接带孔卷积。
ICNet：多分辨图像输入，综合不同网络生成结果。
实验设计
测试平台
采用[1]的代码，去掉one_hot，把损失函数改成交叉熵。
在验证过程引入pixel accuray和mIOU，代码见[2]
用颜色代码替换标签的类别代码，这样visdom可以显示多类别标签
数据集
[1]自带数据集Bag，二分类，图像800800，代码中转换到160160。
这个数据集很容易收敛，可以忽略优化器的影响，用来估计网络结构的性能上限。
CamVid,代码见[2]，从视频中截取的，图像很相似。图像尺寸960*720。
PASCAL VOC 2007/2012，代码参照[3]，图像差别大。
测试计划
在github上收集能成功运行的模型
在同等条件下比较技术细节：vgg16为基础结构
比较单层特征向量进行转置卷积、上采样或者反池化后的效果
比较特征向量的拼接和线性组合
比较多尺度输入的网络组合
实验结果
超参数：epochs=50,lr=0.001,optim=SGD,momentum=0.7u 数据集：Bag，resize(160,160)，batch_size=4 注意vgg16正确的层号，每层最后一个是池化。
feats = list(models.vgg16(pretrained=True).features.children())
self.feat1 = nn.Sequential(*feats[0:5])
self.feat2 = nn.Sequential(*feats[5:10])
self.feat3 = nn.Sequential(*feats[10:17])
self.feat4 = nn.Sequential(*feats[17:24])
self.feat5 = nn.Sequential(*feats[24:31])
单层特征向量
1*1卷积+标签收缩(到对应层尺寸)
网络层
单epoch时间(s)
mIOU(%)
pixel-acc(%)
GPU(G)
5
8
82
90
1.1
4
8
86
93
1.0
3
6
80
90
1.0
1*1卷积+上采样(2倍)+标签收缩
网络层
单epoch时间(s)
mIOU(%)
pixel-acc(%)
GPU(G)
5->4
8
72
85
1.1
4->3
6
80
90
1.0
3->2
5
78
88
1.0
1*1卷积+转置卷积(2倍)+标签收缩
网络层
单epoch时间(s)
mIOU(%)
pixel-acc(%)
GPU(G)
5->4
8
79
89
1.1
4->3
6
84
92
1.0
3->2
5
80
90
1.0
反池化(2倍)+1*1卷积+标签收缩
网络层
单epoch时间(s)
mIOU(%)
pixel-acc(%)
GPU(G)
5->4
8
84
92
1.1
4->3
7
87
94
1.1
3->2
5
84
91
1.0
池化(stride=1)+2*2卷积(stride=1,padding=1)+标签收缩
网络层
单epoch时间(s)
mIOU(%)
pixel-acc(%)
GPU(G)
5->4
8
84
92
1.1
4->3
7
89
95
1.0
3->2
7
80
90
1.1
多层特征向量组合
理论上，求和是拼接+1*1卷积的一个特例。
上采样(逐层，直到原始尺寸)+1*1卷积+求和(FCN)
网络层
单epoch时间(s)
mIOU(%)
pixel-acc(%)
GPU(G)
5
8
82
91
1.2
5+4
8
88
94
1.2
5+4+3
9
88
94
1.2
上采样(逐层，直到原始尺寸)+1*1卷积+拼接(UNET')
网络层
单epoch时间(s)
mIOU(%)
pixel-acc(%)
GPU(G)
5
8
82
91
1.2
5+4
9
87
93
1.2
5+4+3
9
89
94
1.1
上采样(直接达到原始尺寸)+1*1卷积+拼接(PSPNET')
网络层
单epoch时间(s)
mIOU(%)
pixel-acc(%)
GPU(G)
5
8
84
92
1.2
5+4
9
87
93
1.2
5+4+3
8
88
94
1.2
反池化(逐层)+1*1卷积+上采样(SegNet')
网络层
单epoch时间(s)
mIOU(%)
pixel-acc(%)
GPU(G)
5
8
82
91
1.1
5->4
8
88
94
1.1
5->4->3
9
89
95
1.1
附加实验
epochs=100，lr=3e-3
网络
单epoch时间(s)
mIOU(%)
pixel-acc(%)
GPU(G)
PSPNET(反池化)
8
91
96
1.1
PSPNET(池化,stride=1)
9
91
96
1.2
引用
参考文献
Long J , Shelhamer E , Darrell T . Fully Convolutional Networks for Semantic Segmentation[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2014, 39(4):640-651.
Ronneberger O, Fischer P, Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation[C]// International Conference on Medical Image Computing & Computer-assisted Intervention. 2015.
Zhao H , Shi J , Qi X , et al. Pyramid Scene Parsing Network[J]. 2016.
Chen L C , Papandreou G , Schroff F , et al. Rethinking Atrous Convolution for Semantic Image Segmentation[J]. 2017.
Zhao H, Qi X, Shen X, et al. ICNet for Real-Time Semantic Segmentation on High-Resolution Images[J]. 2017.