语义分割视频教程（憨批的语义分割重制版11——Keras 搭建自己的HRNetV2语义分割平台）
学习前言
最近学了一下HRnet ，代码真的好难看懂 ，还只有Pytorch版本的 ，Keras复现很有难度 ，作者写的逻辑很厉害 ，只能慢慢攻破啦！
什么是HRNetV2模型
传统的卷积神经网络模型是自上而下不断进行特征提取的 ，如VGG 、Mobilenet 、Resnet系列等 ，VGG网络中存在5个步长为(2, 2)最大池化 ，Mobilenet网络中存在5个步长为(2, 2)的逐层卷积 ，Resnet网络中存在5个步长为(2, 2)的普通卷积 。
这些网络常常存在多个下采样的过程 ，输入进来的图片利用卷积或者最大池化进行高和宽的压缩 。在特征提取的过程中 ，我们会获得不同形状的特征层 。传统的卷积神经网络模型仅仅会有自上而下的特征提取 ，而HRNet则改变了传统卷积神经网络模型的工作模式 ，使得网络在工作时刻保持高分辨率特征图 。通过下采样以及上采样 ，在网络进行特征提取时融合不同形状的特征 。
最开始的HRNet被用于人体的姿态检测 ，该论文发表于2019年的CVPR上 。在原来HRNet的基础上 ，官方修改出HRNetV2并且让他可以适应不同任务的需要 ，语义分割就是其中之一 。HRNet提取出来的特征极其丰富 ，包含各种的分辨率 ，理论上可以适应不同的CV需求（目标检测 、语义分割 、实例分割等） ，本文以HRNetv2做分割为例 ，进行介绍 。 整个HRNetV2由三部分组成 ，分别是主干部分 、特征整合部分 、预测头部分 。如上图所示 ，灰色方框的左半部分就是主干部分 ，灰色部分与右半部分就是分割头部分 。
在主干部分 ，HRNetV2会在特征提取的过程中同时进行下采样与上采样 ，在这个过程里会获得不同形状特征图并进行特征融合 。
在特征整合部分 ，HRNetV2会将获取到的所有特征图进行特征融合 ，将宽高较小的特征图网上进行上采样 ，然后与最大的特征图进行特征融合 ，然后再利用1个卷积+标准化+激活函数进行特征整合 。
在预测头部分 ，HRNetV2会利用一个卷积核为(1, 1)的卷积调整通道数为num_classes ，利用resize进行上采样使得最终输出层 ，宽高和输入图片一样 。 。
代码下载
Github源码下载地址为：
https://github.com/bubbliiiing/hrnet-keras复制该路径到地址栏跳转 。
HRNetV2实现思路
一 、预测部分
1 、主干网络介绍
上图是官方给出的HRNetV2用于分割的示意图 ，但其实这个图里面遗漏了一些细节 。遗漏的细节容易引起误会 。
上图将整个HRNetV2的主干分为四个部分 ，为了方便理解 ，我们将其命名为Section-1 ，Section-2 ，Section-3 ，Section-4.
a 、Section-1Section-1是第一部分 ，用于进行初步的特征提取 ，在图中对应了最左边的四个方块 。在实际代码中 ，图片处理的过程不仅仅包含这四个方块 。
如果将该部分进行详细绘制 ，其本质上应该是这样的 。
对于输入进来的图片 ，HRNetV2还会使用两次步长为(2, 2) 、卷积核大小为(3, 3) 、通道为64的卷积对输入图片进行高和宽的压缩与特征提取 。假设输入进来的图片是[480, 480, 3]的 ，在经过两次步长为(2, 2) 、卷积核大小为(3, 3) 、通道为64的卷积后 ，获得的特征层为[120, 120, 64] 。
此时再进行四次bottleneck_Block 。这里用到的bottleneck_Block ，其实就是Resnet系列里面用到的残差卷积 ，主要用在Resnet50 、Resnet101里面 。
bottleneck_Block的结构如下图所示 ，bottleneck_Block可以分为两个部分 ，左边部分为主干部分 ，存在两次卷积 、标准化 、激活函数和一次卷积 、标准化；右边部分为残差边部分 ，不经过处理或者经过少量处理直接与输出相接
。
由图可知 ，结构分为两个情况：
如果不发生高宽以及通道的变化 ，则bottleneck_Block如左图所示 ，此时残差边不经过任何处理便直接与主干部分相接 ，输入特征层和输出特征层的shape是相同的 。如果发生高宽以及通道的变化 ，则bottleneck_Block如右图所示 ，此时残差边经过少量处理便直接和主干相接 ，可以改变输出特征层的宽高和通道数 。
在经过四次bottleneck_Block后 ，我们获得的特征层的shape为[120, 120, 256] 。
总体上 ，Section-1的构建代码如下：
def bottleneck_Block(input, out_filters, strides=(1, 1), with_conv_shortcut=False, name=""): expansion = 4 de_filters = int(out_filters / expansion) x = Conv2D(de_filters, 1, use_bias=False, kernel_initializer=he_normal, name=name+.conv1)(input) x = BatchNormalization(epsilon=1e-5, name=name+.bn1)(x) x = Activation(relu)(x) x = Conv2D(de_filters, 3, strides=strides, padding=same, use_bias=False, kernel_initializer=he_normal, name=name+.conv2)(x) x = BatchNormalization(epsilon=1e-5, name=name+.bn2)(x) x = Activation(relu)(x) x = Conv2D(out_filters, 1, use_bias=False, kernel_initializer=he_normal, name=name+.conv3)(x) x = BatchNormalization(epsilon=1e-5, name=name+.bn3)(x) if with_conv_shortcut: residual = Conv2D(out_filters, 1, strides=strides, use_bias=False, kernel_initializer=he_normal, name=name+.downsample.0)(input) residual = BatchNormalization(epsilon=1e-5, name=name+.downsample.1)(residual) x = add([x, residual]) else: x = add([x, input]) x = Activation(relu)(x) return x def stem_net(input): x = ZeroPadding2D(((1, 1),(1, 1)))(input) x = Conv2D(64, 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="conv1")(x) x = BatchNormalization(epsilon=1e-5, name="bn1")(x) x = Activation(relu)(x) x = ZeroPadding2D(((1, 1),(1, 1)))(x) x = Conv2D(64, 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="conv2")(x) x = BatchNormalization(epsilon=1e-5, name="bn2")(x) x = Activation(relu)(x) x = bottleneck_Block(x, 256, with_conv_shortcut=True, name="layer1.0") x = bottleneck_Block(x, 256, with_conv_shortcut=False, name="layer1.1") x = bottleneck_Block(x, 256, with_conv_shortcut=False, name="layer1.2") x = bottleneck_Block(x, 256, with_conv_shortcut=False, name="layer1.3") return x b 、Section-2Section-2是第二部分 ，用于进行进一步的特征提取 ，对应图中中间靠左的12个方块 。如果将该部分进行详细绘制 ，其本质上应该是这样的 。
对于输入进来的特征层 ，HRNetV2分别利用两个卷积进行处理 ，一个卷积的步长为(1, 1) 、通道为32 ，一个卷积的步长为(2, 2) 、通道为64 。此时 ，我们获得一个[120,120, 32]的特征层和一个[60, 60, 64]的特征层 。之后对这两个特征层 ，分别进行四次basic_Block的处理 。这里用到的basic_Block ，也是Resnet系列里面用到的残差卷积 ，主要用在Resnet18 、Resnet32里面 。
basic_Block的结构如下图所示 ，basic_Block可以分为两个部分 ，左边部分为主干部分 ，存在一次卷积 、标准化 、激活函数和一次卷积 、标准化；右边部分为残差边部分 ，不经过处理或者经过少量处理直接与输出相接
。
由图可知 ，结构分为两个情况：
如果不发生高宽以及通道的变化 ，则basic_Block如左图所示 ，此时残差边不经过任何处理便直接与主干部分相接 ，输入特征层和输出特征层的shape是相同的 。如果发生高宽以及通道的变化 ，则basic_Block如右图所示 ，此时残差边经过少量处理便直接和主干相接 ，可以改变输出特征层的宽高和通道数 。
在分别经过进行四次basic_Block的处理后 ，我们依然获得一个[120,120, 32]的特征层和一个[60, 60, 64]的特征层 。
之后对[120,120, 32]的特征层进行下采样 ，与[60, 60, 64]的特征层相加；对[60, 60, 64]的特征层进行上采样 ，与[120,120, 32]相加 。
总体上 ，Section-2的构建代码如下：
def transition_layer1(x, out_filters_list=[32, 64]): x0 = Conv2D(out_filters_list[0], 3, padding=same, use_bias=False, kernel_initializer=he_normal, name="transition1.0.0")(x) x0 = BatchNormalization(epsilon=1e-5, name="transition1.0.1")(x0) x0 = Activation(relu)(x0) x1 = ZeroPadding2D(((1, 1),(1, 1)))(x) x1 = Conv2D(out_filters_list[1], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name = "transition1.1.0.0")(x1) x1 = BatchNormalization(epsilon=1e-5, name="transition1.1.0.1")(x1) x1 = Activation(relu)(x1) return [x0, x1] def make_stage2(x_list, out_filters_list=[32, 64]): x0, x1 = x_list x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage2.0.branches.0.0") x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage2.0.branches.0.1") x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage2.0.branches.0.2") x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage2.0.branches.0.3") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage2.0.branches.1.0") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage2.0.branches.1.1") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage2.0.branches.1.2") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage2.0.branches.1.3") x0_0 = x0 x0_1 = Conv2D(out_filters_list[0], 1, use_bias=False, kernel_initializer=he_normal, name="stage2.0.fuse_layers.0.1.0")(x1) x0_1 = BatchNormalization(epsilon=1e-5, name="stage2.0.fuse_layers.0.1.1")(x0_1) x0_1 = UpsampleLike(name="Upsample1")([x0_1, x0_0]) x0_out = add([x0_0, x0_1]) x0_out = Activation(relu)(x0_out) x1_0 = ZeroPadding2D(((1, 1),(1, 1)))(x0) x1_0 = Conv2D(out_filters_list[1], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage2.0.fuse_layers.1.0.0.0")(x1_0) x1_0 = BatchNormalization(epsilon=1e-5, name="stage2.0.fuse_layers.1.0.0.1")(x1_0) x1_1 = x1 x1_out = add([x1_0, x1_1]) x1_out = Activation(relu)(x1_out) return x0_out, x1_out c 、Section-3Section-3是第三部分 ，用于进行进一步的特征提取 ，对应图中中间靠右的18个方块 。如果将该部分进行详细绘制 ，其本质上应该是这样的 。
对于输入进来的特征层 ，HRNetV2利用一个步长为(2, 2) 、通道为128的卷积对[60, 60, 64]进行处理 。此时 ，我们获得一个[30, 30, 128]的特征层 。加上初始的两个特征层 ，我们存在三个特征层 。之后对这三个特征层 ，分别进行四次basic_Block的处理 。这里用到的basic_Block ，与Stage-2里面一样 。然后利用[128, 128, 32] 、[60, 60, 64] 、[30, 30, 128]三个特征层 ，利用上采样和下采样建立密集连接 ，完成高度的特征融合 。这个过程需要重复四次 。
总体上 ，Section-3的构建代码如下：
def transition_layer2(x, out_filters_list=[32, 64, 128]): x2 = ZeroPadding2D(((1, 1),(1, 1)))(x[1]) x2 = Conv2D(out_filters_list[2], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="transition2.2.0.0")(x2) x2 = BatchNormalization(epsilon=1e-5, name="transition2.2.0.1")(x2) x2 = Activation(relu)(x2) return [x[0], x[1], x2] def make_stage3(x_list, num_modules, out_filters_list=[32, 64, 128]): for i in range(num_modules): x0, x1, x2 = x_list x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.0.0") x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.0.1") x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.0.2") x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.0.3") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.1.0") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.1.1") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.1.2") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.1.3") x2 = basic_Block(x2, out_filters_list[2], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.2.0") x2 = basic_Block(x2, out_filters_list[2], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.2.1") x2 = basic_Block(x2, out_filters_list[2], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.2.2") x2 = basic_Block(x2, out_filters_list[2], with_conv_shortcut=False, name="stage3." + str(i) + ".branches.2.3") x0_0 = x0 x0_1 = Conv2D(out_filters_list[0], 1, use_bias=False, kernel_initializer=he_normal, name="stage3." + str(i) + ".fuse_layers.0.1.0")(x1) x0_1 = BatchNormalization(epsilon=1e-5, name="stage3." + str(i) + ".fuse_layers.0.1.1")(x0_1) x0_1 = UpsampleLike(name="Upsample." + str(i) + ".2")([x0_1, x0_0]) x0_2 = Conv2D(out_filters_list[0], 1, use_bias=False, kernel_initializer=he_normal, name="stage3." + str(i) + ".fuse_layers.0.2.0")(x2) x0_2 = BatchNormalization(epsilon=1e-5, name="stage3." + str(i) + ".fuse_layers.0.2.1")(x0_2) x0_2 = UpsampleLike(name="Upsample." + str(i) + ".3")([x0_2, x0_0]) x0_out = add([x0_0, x0_1, x0_2]) x0_out = Activation(relu)(x0_out) x1_0 = ZeroPadding2D(((1, 1),(1, 1)))(x0) x1_0 = Conv2D(out_filters_list[1], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage3." + str(i) + ".fuse_layers.1.0.0.0")(x1_0) x1_0 = BatchNormalization(epsilon=1e-5, name="stage3." + str(i) + ".fuse_layers.1.0.0.1")(x1_0) x1_1 = x1 x1_2 = Conv2D(out_filters_list[1], 1, use_bias=False, kernel_initializer=he_normal, name="stage3." + str(i) + ".fuse_layers.1.2.0")(x2) x1_2 = BatchNormalization(epsilon=1e-5, name="stage3." + str(i) + ".fuse_layers.1.2.1")(x1_2) x1_2 = UpsampleLike(name="Upsample." + str(i) + ".4")([x1_2, x1_1]) x1_out = add([x1_0, x1_1, x1_2]) x1_out = Activation(relu)(x1_out) x2_0 = ZeroPadding2D(((1, 1),(1, 1)))(x0) x2_0 = Conv2D(out_filters_list[0], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage3." + str(i) + ".fuse_layers.2.0.0.0")(x2_0) x2_0 = BatchNormalization(epsilon=1e-5, name="stage3." + str(i) + ".fuse_layers.2.0.0.1")(x2_0) x2_0 = Activation(relu)(x2_0) x2_0 = ZeroPadding2D(((1, 1),(1, 1)))(x2_0) x2_0 = Conv2D(out_filters_list[2], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage3." + str(i) + ".fuse_layers.2.0.1.0")(x2_0) x2_0 = BatchNormalization(epsilon=1e-5, name="stage3." + str(i) + ".fuse_layers.2.0.1.1")(x2_0) x2_1 = ZeroPadding2D(((1, 1),(1, 1)))(x1) x2_1 = Conv2D(out_filters_list[2], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage3." + str(i) + ".fuse_layers.2.1.0.0")(x2_1) x2_1 = BatchNormalization(epsilon=1e-5, name="stage3." + str(i) + ".fuse_layers.2.1.0.1")(x2_1) x2_2 = x2 x2_out = add([x2_0, x2_1, x2_2]) x2_out = Activation(relu)(x2_out) x_list = [x0_out, x1_out, x2_out] return x_list d 、Section-4Section-4是第四部分 ，用于进行进一步的特征提取 ，对应图中中间靠右的24个方块 。如果将该部分进行详细绘制 ，其本质上应该是这样的 。
对于输入进来的特征层 ，HRNetV2利用一个步长为(2, 2) 、通道为256的卷积对[30, 30, 128]进行处理 。此时 ，我们获得一个[15, 15, 256]的特征层 。加上初始的三个特征层 ，我们存在四个特征层 。之后对这四个特征层 ，分别进行四次basic_Block的处理 。这里用到的basic_Block ，与Stage-2里面一样 。然后利用[128, 128, 32] 、[60, 60, 64] 、[30, 30, 128] 、[15, 15, 256]四个特征层 ，利用上采样和下采样建立密集连接 ，完成高度的特征融合 。这个过程需要重复三次 。
总体上 ，Section-3的构建代码如下：
def transition_layer3(x, out_filters_list=[32, 64, 128, 256]): x3 = ZeroPadding2D(((1, 1),(1, 1)))(x[2]) x3 = Conv2D(out_filters_list[3], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="transition3.3.0.0")(x3) x3 = BatchNormalization(epsilon=1e-5, name="transition3.3.0.1")(x3) x3 = Activation(relu)(x3) return [x[0], x[1], x[2], x3] def make_stage4(x_list, num_modules, out_filters_list=[32, 64, 128, 256]): for i in range(num_modules): x0, x1, x2, x3 = x_list x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.0.0") x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.0.1") x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.0.2") x0 = basic_Block(x0, out_filters_list[0], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.0.3") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.1.0") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.1.1") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.1.2") x1 = basic_Block(x1, out_filters_list[1], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.1.3") x2 = basic_Block(x2, out_filters_list[2], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.2.0") x2 = basic_Block(x2, out_filters_list[2], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.2.1") x2 = basic_Block(x2, out_filters_list[2], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.2.2") x2 = basic_Block(x2, out_filters_list[2], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.2.3") x3 = basic_Block(x3, out_filters_list[3], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.3.0") x3 = basic_Block(x3, out_filters_list[3], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.3.1") x3 = basic_Block(x3, out_filters_list[3], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.3.2") x3 = basic_Block(x3, out_filters_list[3], with_conv_shortcut=False, name="stage4." + str(i) + ".branches.3.3") x0_0 = x0 x0_1 = Conv2D(out_filters_list[0], 1, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.0.1.0")(x1) x0_1 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.0.1.1")(x0_1) x0_1 = UpsampleLike(name="Upsample." + str(i) + ".5")([x0_1, x0_0]) x0_2 = Conv2D(out_filters_list[0], 1, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.0.2.0")(x2) x0_2 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.0.2.1")(x0_2) x0_2 = UpsampleLike(name="Upsample." + str(i) + ".6")([x0_2, x0_0]) x0_3 = Conv2D(out_filters_list[0], 1, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.0.3.0")(x3) x0_3 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.0.3.1")(x0_3) x0_3 = UpsampleLike(name="Upsample." + str(i) + ".7")([x0_3, x0_0]) x0_out = add([x0_0, x0_1, x0_2, x0_3]) x0_out = Activation(relu)(x0_out) x1_0 = ZeroPadding2D(((1, 1),(1, 1)))(x0) x1_0 = Conv2D(out_filters_list[1], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.1.0.0.0")(x1_0) x1_0 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.1.0.0.1")(x1_0) x1_1 = x1 x1_2 = Conv2D(out_filters_list[1], 1, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.1.2.0")(x2) x1_2 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.1.2.1")(x1_2) x1_2 = UpsampleLike(name="Upsample." + str(i) + ".8")([x1_2, x1_1]) x1_3 = Conv2D(out_filters_list[1], 1, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.1.3.0")(x3) x1_3 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.1.3.1")(x1_3) x1_3 = UpsampleLike(name="Upsample." + str(i) + ".9")([x1_3, x1_1]) x1_out = add([x1_0, x1_1, x1_2, x1_3]) x1_out = Activation(relu)(x1_out) x2_0 = ZeroPadding2D(((1, 1),(1, 1)))(x0) x2_0 = Conv2D(out_filters_list[0], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.2.0.0.0")(x2_0) x2_0 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.2.0.0.1")(x2_0) x2_0 = Activation(relu)(x2_0) x2_0 = ZeroPadding2D(((1, 1),(1, 1)))(x2_0) x2_0 = Conv2D(out_filters_list[2], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.2.0.1.0")(x2_0) x2_0 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.2.0.1.1")(x2_0) x2_1 = ZeroPadding2D(((1, 1),(1, 1)))(x1) x2_1 = Conv2D(out_filters_list[2], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.2.1.0.0")(x2_1) x2_1 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.2.1.0.1")(x2_1) x2_2 = x2 x2_3 = Conv2D(out_filters_list[2], 1, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.2.3.0")(x3) x2_3 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.2.3.1")(x2_3) x2_3 = UpsampleLike(name="Upsample." + str(i) + ".10")([x2_3, x2_2]) x2_out = add([x2_0, x2_1, x2_2, x2_3]) x2_out = Activation(relu)(x2_out) x3_0 = ZeroPadding2D(((1, 1),(1, 1)))(x0) x3_0 = Conv2D(out_filters_list[0], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.3.0.0.0")(x3_0) x3_0 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.3.0.0.1")(x3_0) x3_0 = Activation(relu)(x3_0) x3_0 = ZeroPadding2D(((1, 1),(1, 1)))(x3_0) x3_0 = Conv2D(out_filters_list[0], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.3.0.1.0")(x3_0) x3_0 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.3.0.1.1")(x3_0) x3_0 = Activation(relu)(x3_0) x3_0 = ZeroPadding2D(((1, 1),(1, 1)))(x3_0) x3_0 = Conv2D(out_filters_list[3], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.3.0.2.0")(x3_0) x3_0 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.3.0.2.1")(x3_0) x3_1 = ZeroPadding2D(((1, 1),(1, 1)))(x1) x3_1 = Conv2D(out_filters_list[1], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.3.1.0.0")(x3_1) x3_1 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.3.1.0.1")(x3_1) x3_1 = Activation(relu)(x3_1) x3_1 = ZeroPadding2D(((1, 1),(1, 1)))(x3_1) x3_1 = Conv2D(out_filters_list[3], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.3.1.1.0")(x3_1) x3_1 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.3.1.1.1")(x3_1) x3_2 = ZeroPadding2D(((1, 1),(1, 1)))(x2) x3_2 = Conv2D(out_filters_list[3], 3, strides=(2, 2), padding=valid, use_bias=False, kernel_initializer=he_normal, name="stage4." + str(i) + ".fuse_layers.3.2.0.0")(x3_2) x3_2 = BatchNormalization(epsilon=1e-5, name="stage4." + str(i) + ".fuse_layers.3.2.0.1")(x3_2) x3_3 = x3 x3_out = add([x3_0, x3_1, x3_2, x3_3]) x3_out = Activation(relu)(x3_out) x_list = [x0_out, x1_out, x2_out, x3_out] return x_list2 、特征整合部分
通过主干部分的构建 ，我们最终会在Section-4之后获得4个有效特征层 。四个有效特征层的形状为：
[128, 128, 32] 、[60, 60, 64] 、[30, 30, 128] 、[15, 15, 256] 。在该部分 ，我们会对四个有效特征层进行特征融合 。首先对[60, 60, 64] 、[30, 30, 128] 、[15, 15, 256]三个有效特征层进行上采样 ，调整成高宽为128x128 。然后将调整后的特征层进行堆叠 。
即将：[128, 128, 32] 、[128, 128, 64] 、[128, 128, 128] 、[128, 128, 256]四个特征层进行堆叠 。之后再利用一个卷积+标准化+激活函数进行特征整合 。
inputs = Input(shape=input_shape) x, num_filters = HRnet_Backbone(inputs, backbone) x0_0 = x[0] x0_1 = UpsampleLike()([x[1], x[0]]) x0_2 = UpsampleLike()([x[2], x[0]]) x0_3 = UpsampleLike()([x[3], x[0]]) x = Concatenate(axis=-1)([x0_0, x0_1, x0_2, x0_3]) x = Conv2D(np.sum(num_filters), 1, strides=(1, 1))(x) x = BatchNormalization(epsilon=1e-5)(x) x = Activation("relu")(x)3 、利用特征获得预测结果
利用1 、2步 ，我们可以获取输入进来的图片的特征 ，此时 ，我们需要利用特征获得预测结果 。
利用特征获得预测结果的过程可以分为2步：
1 、利用一个1x1卷积进行通道调整 ，调整成Num_Classes 。
2 、利用resize进行上采样使得最终输出层 ，宽高和输入图片一样 。 x = Conv2D(num_classes, 1, strides=(1, 1))(x) shape = tf.keras.backend.int_shape(inputs) x = Lambda(lambda xx : tf.image.resize_images(xx, shape[1:3], align_corners=True))(x) x = Softmax()(x) model = Model(inputs, x, name="HRnet") return model二 、训练部分
1 、训练文件详解
我们使用的训练文件采用VOC的格式 。
语义分割模型训练的文件分为两部分 。
第一部分是原图 ，像这样：
第二部分标签 ，像这样：
原图就是普通的RGB图像 ，标签就是灰度图或者8位彩色图 。原图的shape为[height, width, 3] ，标签的shape就是[height, width] ，对于标签而言 ，每个像素点的内容是一个数字 ，比如0 、1 、2 、3 、4 、5…… ，代表这个像素点所属的类别 。
语义分割的工作就是对原始的图片的每一个像素点进行分类 ，所以通过预测结果中每个像素点属于每个类别的概率与标签对比 ，可以对网络进行训练 。
2 、LOSS解析
本文所使用的LOSS由两部分组成：
1 、Cross Entropy Loss 。
2 、Dice Loss 。Cross Entropy Loss就是普通的交叉熵损失 ，当语义分割平台利用Softmax对像素点进行分类的时候 ，进行使用 。
Dice loss将语义分割的评价指标作为Loss ，Dice系数是一种集合相似度度量函数 ，通常用于计算两个样本的相似度 ，取值范围在[0,1] 。
计算公式如下：
就是预测结果和真实结果的交乘上2 ，除上预测结果加上真实结果 。其值在0-1之间 。越大表示预测结果和真实结果重合度越大 。所以Dice系数是越大越好 。如果作为LOSS的话是越小越好 ，所以使得Dice loss = 1 - Dice ，就可以将Loss作为语义分割的损失了 。
实现代码如下： def dice_loss_with_CE(beta=1, smooth = 1e-5): def _dice_loss_with_CE(y_true, y_pred): y_pred = K.clip(y_pred, K.epsilon(), 1.0 - K.epsilon()) CE_loss = - y_true[...,:-1] * K.log(y_pred) CE_loss = K.mean(K.sum(CE_loss, axis = -1)) tp = K.sum(y_true[...,:-1] * y_pred, axis=[0,1,2]) fp = K.sum(y_pred , axis=[0,1,2]) - tp fn = K.sum(y_true[...,:-1], axis=[0,1,2]) - tp score = ((1 + beta ** 2) * tp + smooth) / ((1 + beta ** 2) * tp + beta ** 2 * fn + fp + smooth) score = tf.reduce_mean(score) dice_loss = 1 - score # dice_loss = tf.Print(dice_loss, [dice_loss, CE_loss]) return CE_loss + dice_loss return _dice_loss_with_CE训练自己的HRNetV2模型
首先前往Github下载对应的仓库 ，下载完后利用解压软件解压 ，之后用编程软件打开文件夹 。
注意打开的根目录必须正确 ，否则相对目录不正确的情况下 ，代码将无法运行 。一定要注意打开后的根目录是文件存放的目录 。
一 、数据集的准备
本文使用VOC格式进行训练 ，训练前需要自己制作好数据集 ，如果没有自己的数据集 ，可以通过Github连接下载VOC12+07的数据集尝试下 。
训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中 。
训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的SegmentationClass中 。二 、数据集的处理
在完成数据集的摆放之后 ，我们需要对数据集进行下一步的处理 ，目的是获得训练用的train.txt以及val.txt ，需要用到根目录下的voc_annotation.py 。
如果下载的是我上传的voc数据集 ，那么就不需要运行根目录下的voc_annotation.py 。
如果是自己制作的数据集 ，那么需要运行根目录下的voc_annotation.py ，从而生成train.txt和val.txt 。三 、开始网络训练
通过voc_annotation.py我们已经生成了train.txt以及val.txt ，此时我们可以开始训练了 。训练的参数较多 ，大家可以在下载库后仔细看注释 ，其中最重要的部分依然是train.py里的num_classes 。
num_classes用于指向检测类别的个数+1！训练自己的数据集必须要修改！
除此之外在train.py文件夹下面 ，选择自己要使用的主干模型backbone 、预训练权重model_path和下采样因子downsample_factor 。预训练模型需要和主干模型相对应 。下采样因子可以在8和16中选择 。 之后就可以开始训练了 。
四 、训练结果预测
训练结果预测需要用到两个文件 ，分别是deeplab.py和predict.py 。
我们首先需要去deeplab.py里面修改model_path以及num_classes ，这两个参数必须要修改 。model_path指向训练好的权值文件 ，在logs文件夹里 。
num_classes指向检测类别的个数+1 。 完成修改后就可以运行predict.py进行检测了 。运行后输入图片路径即可检测 。创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！