利用VGG16搭建全卷积神经网络(FCN)实现语义分割

本文主要是介绍利用VGG16搭建全卷积神经网络(FCN)实现语义分割，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

利用VGG16搭建全卷积神经网络(FCN)实现语义分割

文章目录

利用VGG16搭建全卷积神经网络(FCN)实现语义分割
- 1.简介
- - 1.1 FCN的介绍
  - 1.2语义分割任务是什么
- 2.数据准备以及预处理
- 3.模型的搭建
- 结语

1.简介

1.1 FCN的介绍

FCN，全卷积神经网络，用于实现语义分割，是深度学习从此可以很好解决语义分割的开山之作，作者认为我们在使用卷积层提取特征后，连接到全连接层后，由于全连接层的层数是我们人为设定的，在这之中其实我们抛弃了图片的空间信息，这对语义分割会造成影响，所以作者提出抛弃全连接层，在网络中只使用卷积层，所以网络称为全卷积神经网络。该网络的结构如下：

在这里插入图片描述

可以看到我们该网络有利用前面的卷积提取的部分，将最后卷积提取的部分，上采样放大后，然后与之前卷积提取的部分相加（因为作者认为我们到最后得到的是全局的特征，而我们在前面获得的是局部特征，所以我们的融合可以将全局特征与局部特征融合在一起，加大了我们对于结果预测的准确率）。

重复几次最终恢复到原图大小，并且通道数为21（这里的21指的是物体的类别，对于每一个像素我们都要推测他是什么种类，所以通道数为种类数），这就是FCN的网络架构。

1.2语义分割任务是什么

语义分割是相较于图像识别更为复杂的任务，他的分类是在像素级别上的，对于每个像素我们都要区别他们的种类，如本例中，我们要区别的是一张动物图片的背景，边缘，身体，三类（每行依次为真实图片，预测结果，真值）
在这里插入图片描述

2.数据准备以及预处理

在本例中我们采用的是牛津大学提供的开源数据集Oxford-IIIT-PetDataset，它提供了许多不同种类动物的图片结构如下：

在这里插入图片描述

并且对所有图片都提供了他的掩码，在文件夹trimap下的png文件就是他提供的掩码
在这里插入图片描述

我们可以读取一张图片并展示一下

import random
random.shuffle(all_img_label)
def load_label(path):label=tf.io.read_file(path)label=tf.image.decode_png(label)label=tf.squeeze(label)return label
img_label=load_label(all_img_label[0])
plt.imshow(img_label.numpy())#这样我们就可以看到标签的实际样子
img_label.shape

在这里插入图片描述

那么在这里，我们就知道了对于给定的图片，的标签如下，那么我们再查看一下他有多少种类

np.unique(img_label.numpy())#这样我们就可以看到这张图上有多少种
#可以看到这张图像上有三类分别是背景身体边缘
array([1, 2, 3], dtype=uint8)

那么，这里我们就确定了我们的问题，我们的输入是一张三通道彩色图片，标签是一张单通道的图片，那么我们这边就直接省略读取数据的部分直接

all_img_path=glob.glob('Image Location all_img_label=glob.glob('Image Location Dataset\\annotations\\trimaps/*.png')Dataset\\images\\*.jpg')
all_img_path.sort()
all_img_label.sort()
dataset=tf.data.Dataset.from_tensor_slices((all_img_path,all_img_label))
def read_jpg(path):img=tf.io.read_file(path)img=tf.image.decode_jpeg(img,channels=3)return img
def read_png(path):label=tf.io.read_file(path)label=tf.image.decode_png(label,channels=1)return label
@tf.function #在读取数据的最后一步加上这个会转换为图运算，加大效率
#这里我们规范图片值到[-1,1]，然后标签在[0,2]之间，并且尺寸都改为[224,224]
def normal_data(img,label):img=tf.cast(img,tf.float32)img=img/255.0img=img*2-1label-=1return img,label
def path_to_data(img_path,label_path):img=read_jpg(img_path)label=read_png(label_path)img=tf.image.resize(img,(224,224))label=tf.image.resize(label,(224,224))return normal_data(img,label)
dataset=dataset.map(path_to_data)
dataset
<MapDataset shapes: ((224, 224, 3), (224, 224, 1)), types: (tf.float32, tf.float32)>

这样我们就完成了对于数据的读取，然后划分验证集与测试集

dataset=dataset.shuffle(len(dataset))#提前打乱数据集
test_count=int(len(dataset)*0.2)
train_count=len(dataset)-test_count
train_data=dataset.skip(test_count)
test_data=dataset.take(test_count)

接下来开始我们模型的搭建。

3.模型的搭建

模型的结构，我们这里用一张图来说明（该图是由keras提供的plot_model绘画的很简单使用，搜索一下就好了）：

在这里插入图片描述

接下来我们开始对上面这张图的解说，首先我们使用的是VGG16预训练神经网络，架构如下：

在这里插入图片描述

这里我们可以看到这是一个非常经典的卷积神经网络，步骤无非卷积-池化-卷积-池化，那么我们之前有提到我们要将局部信息与最后的输出结合，也就是我们的结构是图片（7,7,512）反卷积（这个是上采样的一种方法，是最广泛采用的一种方法，因为他是通过学习权重来恢复原图）放大到（14,14,512）然后与，block5_conv3的输出相加，再上采样放大到（28,28,512）然后与block4_conv3相加，再上采样放大到（56,56,256），再与block3_conv3相加最后不断上采样恢复到（224,224,3）之所以是三是因为我们要对每个类别预测一个三维向量（以上上采样皆运用反卷积，最终我们获得的图片为原来的大小），说明了原理，接下来我们贴代码:

#获取预训练神经网络 
conv_base=keras.applications.VGG16(weights='imagenet',input_shape=(224,224,3),include_top=False)#获得我们接下来要对层操作的输出的layers_names=['block5_conv3','block4_conv3','block3_conv3','block5_pool']layers_output=[conv_base.get_layer(layer_name).output for layer_name in layers_names]#然后利用函数式API搭建我们的多输出模型  
multi_out_model=keras.models.Model(inputs=conv_base.input,outputs=layers_output)multi_out_model.trainable=Falseinputs=layers.Input(shape=(224,224,3))
#获取我们的输出    
out_block5_conv3,out_block4_conv3,out_block3_conv3,out_block5_pool=multi_out_model(inputs)
#接下来开始按照我们的之前的设计进行创建网络x1=layers.Conv2DTranspose(512,3,strides=(2,2),padding='same',activation='relu')(out_block5_pool)x1=layers.Conv2D(512,3,padding='same',activation='relu')(x1)x2=tf.add(x1,out_block5_conv3)x2=layers.Conv2DTranspose(512,3,strides=(2,2),padding='same',activation='relu')(x2)x2=layers.Conv2D(512,3,padding='same',activation='relu')(x2)x3=tf.add(x2,out_block4_conv3)x3=layers.Conv2DTranspose(256,3,strides=(2,2),padding='same',activation='relu')(x3)x3=layers.Conv2D(256,3,padding='same',activation='relu')(x3)x4=tf.add(x3,out_block3_conv3)x4=layers.Conv2DTranspose(128,3,strides=(2,2),padding='same',activation='relu')(x4)#对每个像素都输出一个三维的向量x4=layers.Conv2D(128,3,padding='same',activation='relu')(x4)prediction=layers.Conv2DTranspose(3,3,strides=(2,2),padding='same',activation='relu')(x4)prediction=layers.Conv2D(3,3,padding='same',activation='softmax')(prediction)#仍然利用我们的函数式API创建我们的模型  model=keras.models.Model(inputs=inputs,outputs=prediction)model.compile(optimizer=keras.optimizers.Adam(0.001),loss='sparse_categorical_crossentropy',metrics=['acc'])

然后我们就可以开始训练了，这里之所以设置为1是因为设备扛不住了。。。导致我是多次断点训练，每间隔两次保存权重再重新训练

model.fit(train_data,epochs=1,steps_per_epoch=train_count//BATCH_SIZE)

4.预测结果的分析与可视化

Epoch 1/2
369/369 [==============================] - ETA: 0s - loss: 0.1918 - acc: 0.9195

可以看到仅仅用了几次就达到了接近92的准确率（并不是一次，我这里其实经过了多次重新训练，大概四次，

model.evaluate(test_data,steps=test_count//BATCH_SIZE)
92/92 [==============================] - 55s 70ms/step - loss: 0.1796 - acc: 0.9236

而且在测试集上就达到了92.36%，其实还有上升的趋势，但是设备问题我没有在训练了）那么说明我们的准确性还是很高的，接下来我们对结果进行可视化

num=3
for image,mask in test_data.take(1):pred=model.predict(image)pred=tf.argmax(pred,axis=-1)pred=pred[...,tf.newaxis]plt.figure(figsize=(10,10))for i in range(3):plt.subplot(num,3,i*num+1)plt.imshow(keras.preprocessing.image.array_to_img(image[i]))plt.subplot(num,3,i*num+2)plt.imshow(keras.preprocessing.image.array_to_img(pred[i]))plt.subplot(num,3,i*num+3)plt.imshow(keras.preprocessing.image.array_to_img(mask[i]))

在这里插入图片描述