FarSeg：前景感知关系网络，适用于遥感影像前背景不均衡分割场景

PaddleSeg实现高分辨率遥感影像分割网络FarSeg，iSAID数据集切图训练与评估，已在PaddleRS可用。

AI Studio

621人浏览 · 2022-10-16 12:23:12

AI Studio · 2022-10-16 12:23:12 发布

1 论文介绍

Foreground-Aware Relation Network for Geospatial Object Segmentation in High Spatial Resolution Remote Sensing Imagery arxiv | PDF

method	iters	bs	card	loss	align_corners	mIoU	weight	log
paper	60k	4	2	ASFLoss	√	63.71	download	\
ours	60k	8	1	ASFLoss	√	63.09	download	train & val

1.1 问题引入

语义分割任务的多尺度问题已经被广泛地研究，而在高分辨率遥感影像场景中，除了尺度问题外，还存在背景类内差别较大、前/背景不均衡等明显问题。

针对这3种问题，论文提出的FarSeg有对应的解决方案：

多尺度问题：FPN;
背景类内差别大：Foreground-Scene Relation Module，加强{前景类之间的联系, 前景类-背景类之间的差异};
前/背景不均衡：Foreground-Aware Optimization，损失函数，更加关注困难样本.

在这里插入图片描述

1.2 网络结构

(a)： 常见的网络结构，骨干网络ResNet50输出4层，通道数[256,512,1024,2048] (CodeBlock)；FPN特征融合，通道数[256]*4 (CodeBlock)；c5被利用2次，FPN & scene embedding branch.
(b)： c5经过gap变成scene embedding vector [N,2048,1,1] (CodeBlock). scene embedding vector和FPN特征经过ConvBNReLU生成scene-feature、content-feature & reencoder-feature，scene-feature和content-feature进行sigmoid(相乘并在通道方向求和)生成relation heatmaps (CodeBlock)，最后relation heatmaps和reencoder-feature相乘得到优化特征refined-feature (CodeBlock).
©： decoder是常规的ConvBNReLU-UpSampling，进行4个尺度特征的解码和均值融合 (CodeBlock).

在这里插入图片描述

1.3 损失函数

前景类-背景类样本间的严重不均衡影响着模型的训练，FarSeg提出Foreground Aware Optimization关注困难样本的学习.

对于常规的难样本加权损失 $\sum l\left(p_i, y_i\right)=\frac{1}{Z} \sum\left(1-p_i\right)^\gamma l\left(p_i, y_i\right)$ ，模型训练初期预测错误较多，但不一定是难预测的，FarSeg提出了 $l^{\prime}\left(p_i, y_i\right)=\left[\frac{1}{Z}\left(1-p_i\right)^\gamma+\zeta(t)\left(1-\frac{1}{Z}\left(1-p_i\right)^\gamma\right)\right] \cdot l\left(p_i, y_i\right)$ ，其中 $\zeta(t)$ 设定为从[1,0]的衰减函数，这样使得损失函数在训练中由CELoss开始平滑过渡，作者对比了 $l in e a r$ 、 $p o l y$ 和 $cos in e$ ，实验显示 $cos in e$ 效果最好 (CodeBlock).

1.4 实验部分

数据方面：

iSAID数据集的语义分割部分，训练集训练，验证集测试（论文评估指标）.
使用步长512，窗口896×896的滑窗将原图切割成896×896图像 (图像填充0，标签填充255).
随机{水平翻转、垂直翻转、90°翻转、180°翻转、270°翻转}，IMAGENET归一化系数.

超参数方面：

iters: 60000
batch size: 4 (2 gpus)
learning rate: poly(power=0.9, begin=0.007, end=0)
optimizer: sgd (momentum=0.9, weight_decay=0.0001, grad_clip=norm_clip(max=35, method=L2))
loss: t_max=10000, gamma=2

其他配置：

backbone: resnet50 (IMAGENET pretrained)
automatic mixed precision: true

最终在iSAID验证集上得到mIoU=63.71，本项目复现精度mIoU=63.09.

2 运行项目

首先clone项目到本地，后续需注意项目根目录的位置.

!git clone https://github.com/ucsk/FarSeg.git
%cd FarSeg/

2.1 准备数据

训练和评估所需数据为iSAID数据集的语义分割任务部分。

原始数据： 图像 DOTA-v1.0 (train/val/test)，标注 iS AID (train/val).

对于下载完成的原始iSAID数据集，按照如下结构在FarSeg项目的根目录进行准备：

├── PaddleRS
├── PaddleSeg
├── LICENSE
├── README.md
+└── iSAID_zip
+    ├── train
+    │   ├── images
+    │   │   ├── part1.zip
+    │   │   ├── part2.zip
+    │   │   └── part3.zip
+    │   └── Semantic_masks
+    │       └── images.zip
+    └── val
+        ├── images
+        │   └── part1.zip
+        └── Semantic_masks
+            └── images.zip

准备好原始数据集的目录结构之后，在项目根目录按如下命令生成步长为512、尺寸为896x896的图像（若尺寸不足，图像填充0，标签填充255）。

经过预处理的iSAID数据集：AI Studio: iSAID (patch).

挂载路径：data/data167913/iSAID.zip & data/data167913/valid_dir.zip. 请手动解压并调整到如下目录结构.

!python PaddleRS/tools/prepare_dataset/prepare_isaid.py iSAID_zip

经过预处理后的数据会存储在根目录iSAID/中，介绍如下：

valid_dir/为验证集原图，labels.txt包含背景类.
概况：16类（含背景），训练集33978张，验证集11644张.
数据格式：图片为RGB三通道图像，标签为单通道图像，值为INT[0,15]+{255}，二者均为PNG格式存储.

PaddleRS
PaddleSeg
LICENSE
README.md
iSAID_zip
+iSAID
+├── ann_dir
+│   ├── train
+│   └── val
+├── img_dir
+│   ├── train
+│   └── val
+├── valid_dir
+│   ├── images
+│   ├── labels
+│   └── val_list.txt
+├── train_list.txt
+├── val_list.txt
+└── labels.txt

!tree iSAID/ -d

iSAID/
├── ann_dir
│   ├── train
│   └── val
├── img_dir
│   ├── train
│   └── val
└── valid_dir
    ├── images
    └── labels

9 directories

2.2 模型训练

项目使用PaddleSeg风格，代码如下.

%cd PaddleSeg/
!pip install -r requirements.txt
!python setup.py install

!rm -r paddleseg.egg-info/ dist/ build/

在终端环境运行如下代码，将resnet50预训练保存于pretrian_weights/resnet50_pth.pdparams.

cd FarSeg/PaddleSeg/
wget -O pretrain_weights/resnet50_pth.pdparams https://bj.bcebos.com/v1/ai-studio-online/ffef16b1a0004f1bba606c7540d501ea5cf116a2288742b4888cf88c64ee0f55?responseContentDisposition=attachment%3B%20filename%3Dresnet50_pth.pdparams&authorization=bce-auth-v1%2F5cfe9a5e1454405eb2a975c43eace6ec%2F2022-09-11T06%3A46%3A52Z%2F-1%2F%2F1bdd0efebc7f95167ab8bf22a434c6c449647bfa57fa814ab588e03dc8a76bbc

训练配置如下，开始训练.

!cat configs/farseg/farseg_r50_896x896_asf_amp_60k.yml

!python train.py \
    --config=configs/farseg/farseg_r50_896x896_asf_amp_60k.yml \
    --save_interval=400 \
    --keep_checkpoint_max=50 \
    --num_workers=4 \
    --log_iters=50 \
    --save_dir=farseg_r50_896x896_asf_amp_60k \
    --use_vdl \
    --precision=fp16 \
    --amp_level=O1

训练日志可视化：VisualDL-FarSeg-Train.

2.3 模型评估

在原图的验证集上执行步长=512，窗口=896×896的滑动窗口进行预测评估。

在终端环境中下载训练好的权重于pretrain_weights/farseg_r50_896x896_asf_amp_60k.pdparams.

cd FarSeg/PaddleSeg/
wget -O pretrain_weights/farseg_r50_896x896_asf_amp_60k.pdparams https://bj.bcebos.com/v1/ai-studio-online/0e0057eb768d42d7b8f3389b0114cf70f74cdf65c0a749eb8f135b37ee06306a?responseContentDisposition=attachment%3B%20filename%3Dfarseg_r50_896x896_asf_amp_60k.pdparams&authorization=bce-auth-v1%2F5cfe9a5e1454405eb2a975c43eace6ec%2F2022-09-15T08%3A01%3A37Z%2F-1%2F%2Fe663278bfc9afc49a0542e8c212ff11d06c276675050554b14d2ecd15e252add

验证集切图评估，最优结果mIoU=62.56. 评估日志 VisualDL-FarSeg-val.

!python val.py \
    --config=configs/farseg/farseg_r50_896x896_asf_amp_60k.yml \
    --model_path=pretrain_weights/farseg_r50_896x896_asf_amp_60k.pdparams \
    --num_workers=4

验证集滑动窗口评估，mIoU=63.09.

!python val.py \
    --config=configs/farseg/farseg_r50_slide_val.yml \
    --model_path=pretrain_weights/farseg_r50_896x896_asf_amp_60k.pdparams \
    --num_workers=4 \
    --is_slide \
    --crop_size 896 896 \
    --stride 512 512

2.4 模型预测

!python predict.py \
    --config=configs/farseg/farseg_r50_slide_val.yml \
    --model_path=pretrain_weights/farseg_r50_896x896_asf_amp_60k.pdparams \
    --image_path=/home/aistudio/work/P2093.png \
    --save_dir=/home/aistudio/work/output \
    --is_slide \
    --crop_size 896 896 \
 896 \
    --stride 512 512