★★★ 本文源自AlStudio社区精品项目，【点击此处】查看更多精品内容 >>>

在本次板球分割任务中，我先后使用了三个模型来比较语义分割的效果，分别是U-Net、PP-LiteSeg和SegFormer。在实际检测中，PP-LiteSeg模型的预测效果还是不错的，整体情况如下：

模型名称	mIoU	Acc	Kappa	Dice
U-Net	0.5752	0.9700	0.9065	0.6856
PP-LiteSeg	0.7751	0.9865	0.9594	0.8632
SegFormer	0.7669	0.9877	0.9625	0.8593

一、项目背景

语义分割是指从图像中提取特征信息，并将这些特征信息转换为对应的类别。这些类别可以是人、汽车、花朵、家具等。在计算机视觉和机器学习领域，语义分割是一个热门的研究方向，因为它在自动驾驶、室内导航、虚拟现实/增强现实等应用中有着广泛的应用。在这些应用中，我们需要准确地将图像中的每个像素映射到一个特定的类别中，以便更好地理解和处理图像。例如，在本项目中，我们可以使用语义分割模型将板球比赛场景分为击球手，投球手，检票口守门员，外野手，球，裁判员，检票口，地面和背景共9个类别。

二、数据集介绍

该数据集来自公开媒体的印度和津巴布韦之间的比赛，每 298 帧拍摄 12 帧，并替换其中的一些模糊的帧和异常值。该数据集适用于训练有关体育分析的检测模型，不过更偏向于板球。 该数据集包含9个类别：击球手，投球手，检票口守门员，外野手，球，裁判员，检票口，地面和背景。

部分数据如下：

三、数据预处理

Step01： 解压数据集

ERROR1：

/bin/bash: -c: 行 0: 未预期的符号 `(' 附近有语法错误
/bin/bash: -c: 行 0: `unzip /home/aistudio/data/data192893/archive (1).zip -d /home/aistudio/work/'

SOLUTION1： 重命名文件夹 archive(1).zip -> archive.zip

!unzip /home/aistudio/data/data192893/archive.zip -d /home/aistudio/work/

Step02： 重命名文件夹。www.acmeai.tech ODataset 4 - Cricket Semantic Segmentation -> cricket

Step03： 分开不同后缀的文件。

在/home/aistudio/work目录下新建images、jsons、labels和save文件夹。

• images：原始图像。
• labels：标注文件。

在本次项目中只需要用到images和labels两个文件夹。

!mv /home/aistudio/work/cricket/images/*.png___fuse.png /home/aistudio/work/labels/
!mv /home/aistudio/work/cricket/images/*.png___pixel.json /home/aistudio/work/jsons/
!mv /home/aistudio/work/cricket/images/*.png___save.png /home/aistudio/work/save/
!mv /home/aistudio/work/cricket/images/*.png /home/aistudio/work/images/

Step04： 修改文件后缀名。

%cd /home/aistudio/work/labels/
!rename 's/\.png___fuse.png/\.png/'  ./*

四、代码实现

4.1 环境配置

从Github下载PaddleSeg代码。

%cd /home/aistudio/
!git clone https://github.com/PaddlePaddle/PaddleSeg

执行如下命令，从源码编译安装PaddleSeg包。大家对于PaddleSeg/paddleseg目录下的修改，都会立即生效，无需重新安装。

%cd /home/aistudio/PaddleSeg/
!pip install -r requirements.txt
!pip install -v -e .

4.2 数据准备

Step01： 将数据集移动到/home/aistudio/PaddleSeg/data/cricket目录下。

首先要在/home/aistudio/PaddleSeg目录下新建data和cricket文件夹。

!mv /home/aistudio/work/images /home/aistudio/PaddleSeg/data/cricket/
!mv /home/aistudio/work/labels /home/aistudio/PaddleSeg/data/cricket/

%cd /home/aistudio/PaddleSeg/data/cricket/images/
!rename 's/\ (/\_/'  ./*
!rename 's/\).png/\.png/'  ./*
%cd /home/aistudio/PaddleSeg/data/cricket/labels/
!rename 's/\ (/\_/'  ./*
!rename 's/\).png/\.png/'  ./*

Step02： 将彩色标注图转换成灰度标注图

首先找到各个类别对应的RGB像素值，结果如下所示：

• Background：#916041 对应RGB (145,96,65)
• Ground：#e2d5de 对应RGB (226,213,222)
• Bowler：#0018fd 对应RGB (0,24,253)
• Batsmen：#b07a53 对应RGB (176,122,83)
• Wicket Keeper：#8fdfa9 对应RGB (143,223,169)
• Umpire：#e20959 对应RGB (226,9,89)
• Fielder：#c2fe6b 对应RGB (194,254,107)
• Ball：#5e8d38 对应RGB (94,141,56)
• Wicket：#1e472a 对应RGB (30,71,42)

然后，实现RGB像素值到灰度值的映射关系。

import os
import numpy as np
from PIL import Image
from tqdm import tqdm

Origin_SegmentationClass_path = "/home/aistudio/PaddleSeg/data/cricket/labels"
Out_SegmentationClass_path = "/home/aistudio/PaddleSeg/data/cricket/mask"

# 对应关系
Origin_Point_Value = np.array([[145, 96, 65], [226, 213, 222], [0, 24, 253], [176, 122, 83], [143, 223, 169], [226, 9, 89], [194, 254, 107], [94, 141, 56], [30, 71, 42]])
Out_Point_Value = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8])

if __name__ == "__main__":
    if not os.path.exists(Out_SegmentationClass_path):
        os.makedirs(Out_SegmentationClass_path)
    #
    png_names = os.listdir(Origin_SegmentationClass_path) # 获得图片的文件名
    print("正在遍历全部标签。")
    for png_name in tqdm(png_names):
        if png_name == ".ipynb_checkpoints":
            continue
        png = Image.open(os.path.join(Origin_SegmentationClass_path, png_name)) # RGB
        w, h = png.size
        png = np.array(png, np.uint8) # h, w, c
        out_png = np.zeros([h, w]) # 灰度 h, w

        for map_idx, rgb in enumerate(Origin_Point_Value):
            idx = np.where(
                (png[..., 0] == rgb[0]) & (png[..., 1] == rgb[1]) & (png[..., 2] == rgb[2]))
            out_png[idx] = map_idx

        # print("out_png:", out_png.shape)

        out_png = Image.fromarray(np.array(out_png, np.uint8)) # 再次转化为Image进行保存
        out_png.save(os.path.join(Out_SegmentationClass_path, png_name))


    # 统计输出，各个像素点的值的个数
    print("正在统计输出的图片每个像素点的数量。")
    classes_nums = np.zeros([256], np.int32)
    for png_name in tqdm(png_names):
        if png_name == ".ipynb_checkpoints":
            continue
        png_file_name = os.path.join(Out_SegmentationClass_path, png_name)
        if not os.path.exists(png_file_name):
            raise ValueError("未检测到标签图片%s，请查看具体路径下文件是否存在以及后缀是否为png。" % (png_file_name))

        png = np.array(Image.open(png_file_name), np.uint8)
        classes_nums += np.bincount(np.reshape(png, [-1]), minlength=256)

    print("打印像素点的值与数量。")
    print('-' * 37)
    print("| %15s | %15s |" % ("Key", "Value"))
    print('-' * 37)
    for i in range(256):
        if classes_nums[i] > 0:
            print("| %15s | %15s |" % (str(i), str(classes_nums[i])))
            print('-' * 37)

最后，为了判断转换的结果是否正确，我们可以使用PaddleSeg提供的转换工具，将灰度标注图转换成伪彩色标注图。

!python tools/data/gray2pseudo_color.py /home/aistudio/PaddleSeg/data/cricket/mask /home/aistudio/PaddleSeg/data/cricket/output

处理结果如下：

• 左上：板球比赛原图。
• 右上：板球比赛原标注图。
• 左下：转换得到的训练用的灰度标注图
• 右下：通过PaddleSeg的转换工具得到的伪彩色标注图，用于判断转换结果是否正确。
  

Step03： 切分数据。

%cd /home/aistudio/PaddleSeg/
!python tools/data/split_dataset_list.py /home/aistudio/PaddleSeg/data/cricket images mask --format "png" "png" --split 0.7 0.3 0

4.3 模型训练

PP-LiteSeg

PP-LiteSeg提出三个创新模块：

• 解码模块（FLD）调整解码模块中通道数，平衡编码模块和解码模块的计算量。
• 注意力融合模块（UAFM）加强特征表示。
• 简易金字塔池化模块（SPPM）减小中间特征图的通道数、移除跳跃连接。

准备好配置文件后，我们使用tools/train.py脚本进行模型训练。

!python tools/train.py \
    --config configs/pp_liteseg/pp_liteseg_stdc2_cityscapes_1024x512_scale1.0_160k.yml \
    --save_dir output/pp_liteseg \
    --save_interval 2000 \
    --num_workers 2 \
    --do_eval \
    --use_vdl

如果训练中断，我们可以恢复训练，避免从头开始训练。通过给train.py脚本设置resume_model输入参数，加载中断前最近一次保存的模型信息，恢复训练。

!python tools/train.py \
    --config configs/pp_liteseg/pp_liteseg_stdc2_cityscapes_1024x512_scale1.0_160k.yml \
    --save_dir output/pp_liteseg \
    --save_interval 2000 \
    --resume_model output/pp_liteseg/iter_52000 \
    --num_workers 2 \
    --do_eval \
    --use_vdl

损失函数如下：

U-Net

U-Net网络结构因为形似字母“U”而得名，最早是在医学影像的细胞分割任务中提出，结构简单适合处理小数量级的数据集。比较于FCN网络的像素相加，U-Net是对通道进行concat操作，保留上下文信息的同时，加强了它们之间的语义联系。整体是一个Encode-Decode的结构，如下图所示。

• 知识点1:下采样Encode包括conv和max pool，上采样Decode包括up-conv和conv。
• 知识点2:U-Net特点在于灰色箭头，利用通道融合使上下文信息紧密联系起来。

!python tools/train.py \
    --config configs/unet/unet_cityscapes_1024x512_160k.yml \
    --save_dir output/unet \
    --save_interval 2000 \
    --num_workers 2 \
    --do_eval \
    --use_vdl

!python tools/train.py \
    --config configs/unet/unet_cityscapes_1024x512_160k.yml \
    --save_dir output/unet \
    --save_interval 2000 \
    --resume_model output/unet/iter_56000 \
    --num_workers 2 \
    --do_eval \
    --use_vdl

SegFormer

SegFormer是一种将Transformer和轻量级的MLP相结合的语义分割框架。该框架的优势在于：

• 知识点1：层次化的transformer编码器/MiT，生成不同尺度特征；
• 知识点2：轻量的全MLP解码器，融合不同层级特征。

!python tools/train.py \
    --config configs/segformer/segformer_b5_cityscapes_1024x512_160k.yml \
    --save_dir output/segformer \
    --save_interval 2000 \
    --num_workers 2 \
    --do_eval \
    --use_vdl

!python tools/train.py \
    --config configs/segformer/segformer_b5_cityscapes_1024x512_160k.yml \
    --save_dir output/segformer \
    --save_interval 2000 \
    --resume_model output/segformer/iter_34000 \
    --num_workers 2 \
    --do_eval \
    --use_vdl

恢复训练中，大家可能会遇到一个问题，那就是日志文件是分割开的，接下来我们可以通过以下代码合并日志文件。

1. 将所有的x.log文件拷贝到一个logs目录下。
2. 将代码中的target_dir设置为上一步logs的根目录，运行后，会生成一个与logs同级的目录merge，merge下的x.log文件即包含了完整训练数据。
3. 可视化。

import os
from visualdl import LogReader, LogWriter

def trans_vdlrecords_to_txt(vdl_file_path):
    txt_path = vdl_file_path.replace('.log', '.txt')
    reader = LogReader(file_path=vdl_file_path)
    tags = reader.get_tags()
    scalar = tags.get('scalar')
    if scalar is not None:
        fo = open(txt_path, "w")
        fo.write(f'tags:{tags}')

        for tag in scalar:
            fo.write(f'\n------------{tag}------------\n')
            data = reader.get_data('scalar', tag)
            fo.write(f'The Last One is {str(data[-1])}')
            fo.write(str(data))

        fo.close()


def merge_vdlrecords(vdl_file_path, last_step_dict, writer=None):
    reader = LogReader(file_path=vdl_file_path)
    tags = reader.get_tags()
    scalar = tags.get('scalar')

    if scalar is not None:
        print(f'tags:{tags}')
        data = None
        for tag in scalar:
            data = reader.get_data('scalar', tag)
            for e in data:
                curr_last_step = last_step_dict[tag] if tag in last_step_dict else -1
                if e.id > curr_last_step:
                    writer.add_scalar(tag=tag, step=e.id, value=e.value)
            last_step_dict[tag] = data[-1].id
            print(f'{vdl_file_path} {tag} last_id is {last_step_dict[tag]}')
    return last_step_dict

def do_merge(target_dir):
    logdir = target_dir + '/merge'
    writer = LogWriter(logdir=logdir)
    last_step_dict = {}
    print('called1')
    try:
        for path, dir_list, file_list in os.walk(target_dir + '/logs'):
            print('called2', file_list)
            file_list.sort() 
            for file_name in file_list:
                if file_name.endswith('.log'):
                    log_path = os.path.join(path, file_name)
                    print(log_path)
                    last_step = merge_vdlrecords(log_path, last_step_dict, writer)
    except Exception as err:
        print(f'error {erro}')
    finally:
        writer.close()

def do_trans(_dir):
    for path, dir_list, file_list in os.walk(_dir):
        for file_name in file_list:
            if file_name.endswith('.log'):
                log_path = os.path.join(path, file_name)
                print(log_path)
                trans_vdlrecords_to_txt(log_path)

if __name__ == '__main__':

    target_dir = '/home/aistudio/PaddleSeg/output/segformer/'
    do_merge(target_dir)

4.4 模型评估

训练完成后，大家可以使用评估脚本tools/val.py来评估模型的精度，即对配置文件中的验证数据集进行测试。

PP-LiteSeg

!python tools/val.py \
       --config configs/pp_liteseg/pp_liteseg_stdc2_cityscapes_1024x512_scale1.0_160k.yml \
       --model_path output/pp_liteseg/best_model/model.pdparams

指标如下：

• [EVAL] #Images: 89 mIoU: 0.7751 Acc: 0.9865 Kappa: 0.9594 Dice: 0.8632
• [EVAL] Class IoU: [0.9485 0.9878 0.7535 0.8408 0.7275 0.9158 0.7254 0.4405 0.6366]
• [EVAL] Class Precision: [0.9588 0.9972 0.9282 0.9318 0.8178 0.9601 0.7737 0.6414 0.7756]
• [EVAL] Class Recall: [0.9888 0.9906 0.8001 0.8959 0.8682 0.952 0.9208 0.5845 0.7803]

U-Net

!python tools/val.py \
       --config configs/unet/unet_cityscapes_1024x512_160k.yml \
       --model_path output/unet/best_model/model.pdparams

指标如下：

• [EVAL] #Images: 89 mIoU: 0.5752 Acc: 0.9700 Kappa: 0.9065 Dice: 0.6856
• [EVAL] Class IoU: [0.8739 0.9779 0.5385 0.6238 0.4768 0.7272 0.4314 0. 0.5272]
• [EVAL] Class Precision: [0.985 0.9806 0.8682 0.7056 0.5954 0.7795 0.5945 0. 0.7845]
• [EVAL] Class Recall: [0.8857 0.9972 0.5864 0.8433 0.7053 0.9156 0.6113 0. 0.6165]

SegFormer

!python tools/val.py \
       --config configs/segformer/segformer_b5_cityscapes_1024x512_160k.yml \
       --model_path output/segformer/best_model/model.pdparams

指标如下：

• [EVAL] #Images: 89 mIoU: 0.7669 Acc: 0.9877 Kappa: 0.9625 Dice: 0.8593
• [EVAL] Class IoU: [0.959 0.991 0.6543 0.8017 0.7272 0.915 0.6649 0.4981 0.6908]
• [EVAL] Class Precision: [0.9877 0.9943 0.8839 0.863 0.8486 0.9723 0.7471 0.6818 0.8416]
• [EVAL] Class Recall: [0.9706 0.9967 0.7158 0.9186 0.8356 0.9395 0.8581 0.6491 0.7941]

4.5 模型预测

我们可以通过tools/predict.py脚本是来进行可视化预测，命令格式如下所示。

!python tools/predict.py \
       --config configs/pp_liteseg/pp_liteseg_stdc2_cityscapes_1024x512_scale1.0_160k.yml \
       --model_path output/pp_liteseg/best_model/model.pdparams \
       --image_path data/cricket/images \
       --save_dir output/result

部分可视化结果如下：

当分割目标比较清晰的时候，分割效果还是很好的；但当分割目标较小时，分割效果还有待加强。

4.6 模型导出

执行如下命令，导出预测模型，保存在output/inference_model目录。

!python tools/export.py \
       --config configs/pp_liteseg/pp_liteseg_stdc2_cityscapes_1024x512_scale1.0_160k.yml \
       --model_path output/pp_liteseg/best_model/model.pdparams \
       --save_dir output/inference_model

4.7 FastDeploy快速部署

环境准备： 本项目的部署环节主要用到的套件为飞桨部署工具FastDeploy，因此我们先安装FastDeploy。

!pip install fastdeploy-gpu-python -f https://www.paddlepaddle.org.cn/whl/fastdeploy.html

部署模型：

导入飞桨部署工具FastDepoy包，创建Runtimeoption，具体实现如下代码所示。

import fastdeploy as fd
import cv2
import os

def build_option(device='cpu', use_trt=False):
    option = fd.RuntimeOption()

    if device.lower() == "gpu":
        option.use_gpu()

    if use_trt:
        option.use_trt_backend()
        option.set_trt_input_shape("x", [1, 3, 1080, 1920])
        option.set_trt_input_shape("scale_factor", [1, 2])

    return option

配置模型路径，创建Runtimeoption，指定部署设备和后端推理引擎，代码实现如下所示。

# 配置模型路径
model_path = '/home/aistudio/PaddleSeg/output/inference_model'
image_path = '/home/aistudio/PaddleSeg/data/cricket/images/2022-08-24_134.png'
model_file = os.path.join(model_path, "model.pdmodel")
params_file = os.path.join(model_path, "model.pdiparams")
config_file = os.path.join(model_path, "deploy.yaml")

# 创建RuntimeOption
runtime_option = build_option(device='gpu', use_trt=False)

# 创建PPYOLOE模型
model = fd.vision.segmentation.PaddleSegModel(model_file,
                                              params_file,
                                              config_file,
                                              runtime_option=runtime_option)

# 预测图片检测结果
im = cv2.imread(image_path)
result = model.predict(im.copy())
print(result)

# 预测结果可视化
vis_im = fd.vision.vis_segmentation(im, result, weight=0.5)
cv2.imwrite("/home/aistudio/work/visualized_result.jpg", vis_im)
print("Visualized result save in ./visualized_result.jpg")

结果如下：

5. 总结提高

在本次板球分割任务中，我先后使用了三个模型来比较语义分割的效果，分别是U-Net、PP-LiteSeg和SegFormer。整体情况如下：

模型名称	mIoU	Acc	Kappa	Dice
U-Net	0.5752	0.9700	0.9065	0.6856
PP-LiteSeg	0.7751	0.9865	0.9594	0.8632
SegFormer	0.7669	0.9877	0.9625	0.8593

PP-LiteSeg和SegFormer的分割情况是相对比较好的，U-Net的情况相对较差。后续可以进一步调参或更换模型尝试能否达到更好的预测效果。

作者简介：Submerge. 江苏某大学大三学生 人工智能专业 主页链接 欢迎互关！

飞桨导师：周昆阳 喜乐多多多 在此感谢。
此文章为搬运
原项目链接