簡(jiǎn)單過(guò)一下語(yǔ)義分割的主流框架——FCN、UNet、SegNet、PSPNet、DeepLab

全卷積網(wǎng)絡(luò)FCN

論文：《Fully Convolutional Networks for Semantic Segmentation(CVPR2015)》
參考：《FCN的學(xué)習(xí)及理解 | CSDN, moonuke》
主要貢獻(xiàn)：

1. 在分類網(wǎng)絡(luò)的基礎(chǔ)上，取消要求固定輸入長(zhǎng)度的全連接FC，使網(wǎng)絡(luò)能接受任意尺寸的輸入
2. 在網(wǎng)絡(luò)深層部分使用反卷積層上采樣，恢復(fù)深層特征的空間尺度
3. 淺層特征注重細(xì)致的局部、位置信息，深層特征注重抽象的全局、分類信息。通過(guò)跨層連接，融合淺層（上采樣前）和深層（上采樣后）特征以提高網(wǎng)絡(luò)的表現(xiàn)

為了跟圖示統(tǒng)一，后續(xù)將以AlexNet為backbone進(jìn)行討論。

從CNN到FCN

就像《卷積神經(jīng)網(wǎng)絡(luò)CNN - 全連接層 | Hey~YaHei!》所提到的，卷積神經(jīng)網(wǎng)絡(luò)CNN因?yàn)槿B接層的限制，要求網(wǎng)絡(luò)輸入具有固定的尺寸大小。FCN作者將最后的三個(gè)全連接層換成1x1卷積，如果輸入特征圖恰好是1x1，那明顯是等價(jià)的；如果不是1x1，那網(wǎng)絡(luò)也不至于出錯(cuò)，但輸出大小也會(huì)由輸入大小決定。

反卷積上采樣

FCN用反卷積（deconvolution）在網(wǎng)絡(luò)深層做上采樣操作，以恢復(fù)出輸入圖片同等尺寸的分割結(jié)果，也就是每個(gè)像素點(diǎn)的類別。
反卷積其實(shí)相當(dāng)于零填充上采樣+卷積，與padding不同的是，它填充在輸入特征圖的像素點(diǎn)之間。

關(guān)于反卷積的詳細(xì)過(guò)程此處不再贅述，感興趣可以參考《怎樣通俗易懂地解釋反卷積？ | 知乎, 孫小也》


值得一提的是，通常部署的時(shí)候不喜歡用反卷積，因?yàn)橥评硪嫱鶝](méi)有針對(duì)反卷積做充分的優(yōu)化。大多都直接用雙線性插值/三線性插值做上采樣（簡(jiǎn)化操作順便提高推理速度），頂多再疊一層普通卷積來(lái)進(jìn)一步提取特征。

跨層融合

眾所周知，淺層特征注重細(xì)致的局部、位置信息，深層特征注重抽象的全局、分類信息。分類任務(wù)里不關(guān)注位置信息，所以隨著網(wǎng)絡(luò)前傳，即使特征圖分辨率越來(lái)越小，信息越來(lái)越抽象，位置信息逐步丟失，也無(wú)傷大雅。但檢測(cè)任務(wù)和分割任務(wù)不同，除了需要給出對(duì)象的分類之外，還得給出位置信息——因此淺層特征的位置得想辦法把它保留下來(lái)，比較直觀的想法就是跨層把淺層和深層信息融合起來(lái)。

融合的方式有很多，最簡(jiǎn)單的如逐元素相加/相乘，或者連接特征（一般是從通道維度上做拼接）后做進(jìn)一步的特征提取。FCN采用的即是簡(jiǎn)單的逐元素相加的形式，以500x500x3的輸入圖片為例（虛線以上就一個(gè)普通的全卷積網(wǎng)絡(luò)，虛線以下是跨層融合相關(guān)的層）——

• 首先，由于不做分類任務(wù)，作為“分類器”的最后一層全連接（）可以直接丟棄，保留前端的特征提取部分；
• 分別將若干淺層特征圖和最后的特征圖抽離出來(lái)，經(jīng)過(guò)卷積層特征映射到21通道的特征空間上（這里以VOC數(shù)據(jù)集為例，20正樣本+1負(fù)樣本(背景)=21分類），然后反卷積進(jìn)行上采樣（如圖虛線以下的藍(lán)色方塊，有必要的話還得裁剪，通常是中央裁剪，到統(tǒng)一的尺寸），再對(duì)應(yīng)逐元素相加（如圖黃色方塊）達(dá)到特征融合的目的；
• 最后再一個(gè)反卷積上采樣（配合裁剪）到原始尺寸，通道方向即相當(dāng)于分類任務(wù)里的輸出特征向量，決定著每個(gè)像素點(diǎn)所屬的分類

訓(xùn)練細(xì)節(jié)

FCN采用普通的softmax交叉熵作為損失函數(shù)，既然通道方向決定了每個(gè)像素點(diǎn)的類別，那就對(duì)每個(gè)像素點(diǎn)計(jì)算softmax交叉熵，最后加和起來(lái)作為最終的損失進(jìn)行訓(xùn)練。

原文倒是講究，采用分階段訓(xùn)練的方式，用與訓(xùn)練好的分類網(wǎng)絡(luò)作為backbone，丟棄最后一層全連接，其他全連接替換成卷積并重新初始化權(quán)重（丟棄原有的全連接權(quán)重），再逐一融合中間層特征進(jìn)行多階段訓(xùn)練。

UNet

論文：《U-Net: Convolutional Networks for Biomedical Image Segmentation(MICCAI2015)》
主要貢獻(xiàn)：

1. 以拼接+進(jìn)一步提取特征的形式融合淺層（上采樣前）與深層（上采樣后）特征
2. 用重疊切片的平鋪策略對(duì)大尺度圖像進(jìn)行分割
3. 采用加權(quán)的損失函數(shù)，加大邊緣部分像素的權(quán)重，鼓勵(lì)網(wǎng)絡(luò)區(qū)分邊界，有助于實(shí)例分割

拼接實(shí)現(xiàn)的跨層融合

網(wǎng)絡(luò)整體結(jié)構(gòu)呈現(xiàn)U型的對(duì)稱結(jié)構(gòu)，故稱為UNet，左半部分為卷積組成的下采樣路徑，右半部分為反卷積和卷積組成的上采樣路徑。下采樣路徑每個(gè)階段包含兩_次_卷積和一次池化（卷積通道擴(kuò)增+卷積等通道特征提取+池化下采樣），上采樣路徑每個(gè)階段包含一次反卷積和兩次卷積（反卷積上采樣并收縮通道+卷積通道收縮+卷積等通道特征提取）。

與FCN不同的是，UNet采取的是拼接（Concat）+進(jìn)一步提取特征的特征融合方式，如上圖上采樣路徑最左側(cè)的藍(lán)色外框空白填充的方塊。相比粗暴的逐點(diǎn)相加，拼接更好的保留淺層的特征信息，但相對(duì)地也會(huì)增加計(jì)算的開銷。

為了保證拼接的正確性，淺層特征圖需要裁剪到目標(biāo)尺寸，如上圖下采樣路徑最右側(cè)藍(lán)色方塊的虛線部分，這里通常采用的是中央裁剪。拼接后由于通道倍增，按照“特征圖尺寸倍增，通道減半；尺寸減半，通道倍增”的慣例，需要先用卷積把通道數(shù)收縮到原來(lái)的一半。

重疊切片的平鋪策略

UNet對(duì)大尺寸圖像分割任務(wù)采用了重疊切片的平鋪策略。

首先要注意到UNet與常規(guī)的網(wǎng)絡(luò)不同，所有的卷積和池化都不加以padding（為了2x2池化下采樣不加padding由不丟失信息，需要保證每次池化輸入的尺寸為2的倍數(shù)），于是每做一次卷積，特征圖都會(huì)稍微收縮一點(diǎn)點(diǎn)，這就導(dǎo)致了UNet的輸出尺寸小于輸入尺寸（如上圖，572x572的輸入最后出來(lái)只有392x392的掩膜）。

不padding意味著不引入無(wú)效信息，直觀上是有好處的；另外這相當(dāng)于用一張更大的圖像來(lái)預(yù)測(cè)中央小區(qū)域的分割結(jié)果，相當(dāng)于在分割的時(shí)候輸入了目標(biāo)區(qū)域以外的外圍信息（如上圖，藍(lán)色框表示輸入U(xiǎn)Net的圖像，最終只能產(chǎn)生黃色框部分的分割結(jié)果，實(shí)際在推理黃色框分割結(jié)果的時(shí)候也引用了黃色框以外藍(lán)色框以內(nèi)的外圍信息的），這有助于提高模型的表現(xiàn)。

此外，UNet每步迭代采用單張圖片輸入，通過(guò)最大化輸入圖片尺寸來(lái)充分利用顯存，同時(shí)對(duì)優(yōu)化器采取一個(gè)較大的動(dòng)量（如0.99）使之前的迭代結(jié)果能對(duì)本次迭代產(chǎn)生較大的影響，以此穩(wěn)定訓(xùn)練過(guò)程。

加權(quán)損失懲罰邊緣像素

首先看一下softmax交叉熵：

為了著重某些特殊的像素點(diǎn)，可以賦予一個(gè)權(quán)重，此時(shí)損失函數(shù)改造為

而

其中，
是權(quán)衡分類為每個(gè)分類所設(shè)置的一個(gè)損失權(quán)重；
和也是人為設(shè)置的權(quán)重，如論文中推薦的
和分別代表當(dāng)前像素點(diǎn)到最近和次近的細(xì)胞的歐式距離
將計(jì)算出來(lái)的可視化后可以得到上圖中的(d)

由于損失中對(duì)邊緣位置的像素作出的較重的懲罰，最終將鼓勵(lì)網(wǎng)絡(luò)在實(shí)例邊界做出較好的區(qū)分。


原文中還提到了對(duì)卷積參數(shù)采用標(biāo)準(zhǔn)差為的高斯分布初始化方式（如3x3卷積，輸入通道數(shù)為64，有），這種方式其實(shí)跟He Initialization也差不多。事實(shí)上自從BN層的出現(xiàn)之后，深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)參數(shù)初始化也不再那么敏感。

變種和改進(jìn)

UNet變種：《圖像分割的U-Net系列方法 | 知乎, taigw 》
UNet++：《研習(xí)U-Net | 知乎, 周縱葦 》

SegNet

論文：《SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation(TPAMI2016)》
參考：《SegNet圖像分割網(wǎng)絡(luò)直觀詳解 | 知乎, 郭冠華》
主要貢獻(xiàn)：用反池化替代反卷積進(jìn)行上采樣，簡(jiǎn)化上采樣過(guò)程，降低計(jì)算開銷

整體結(jié)構(gòu)跟FCN和UNet其實(shí)差不多，主要差別在于上采樣的手段變成了反池化。

反池化上采樣

假設(shè)下采樣路徑采用的是最大池化，2x2池化操作如下圖所示：



每個(gè)滑窗只會(huì)采樣最大值作為輸出，反池化上采樣則是反過(guò)來(lái)，把一個(gè)像素值填到一個(gè)2x2的輸出框內(nèi)，為了跟下采樣對(duì)應(yīng)，需要在做最大值池化的時(shí)候記錄采樣點(diǎn)的索引（如總體框架圖上的Pooling Indices信息），反池化的時(shí)候則填到對(duì)應(yīng)位置上的。其余三個(gè)像素點(diǎn)則直接填零，由后續(xù)的卷積層完成特征圖的平滑處理。



反池化有三個(gè)優(yōu)點(diǎn)：

1. 改善了邊緣輪廓的處理
2. 減少參數(shù)數(shù)量和計(jì)算量
3. 容易實(shí)現(xiàn)，可以很方便地應(yīng)用到其他框架中

PSPNet

論文：《Pyramid Scene Parsing Network (CVPR2017)》
參考：《論文筆記：Pyramid Scene Parsing Network | 簡(jiǎn)書, Efackw13》
《【圖像分割模型】多感受野的金字塔結(jié)構(gòu)—PSPNet | 知乎, 言有三》
主要貢獻(xiàn)：

1. 從場(chǎng)景解析實(shí)際任務(wù)中發(fā)現(xiàn)了關(guān)系失配、相似分類混淆、不顯眼物體難識(shí)別三個(gè)問(wèn)題
2. 在最后得到分割結(jié)果前，用混合尺度的池化獲取不同感知區(qū)域的局部信息，加強(qiáng)網(wǎng)絡(luò)對(duì)場(chǎng)景的感知

三個(gè)問(wèn)題

作者在場(chǎng)景解析的實(shí)際任務(wù)當(dāng)中發(fā)現(xiàn)FCN存在以下問(wèn)題：

1. 關(guān)系失配：比如在水面上識(shí)別出了汽車（如下圖第一行所示）
2. 相似分類混淆：比如把摩天大樓內(nèi)部的一部分像素識(shí)別成普通建筑（如下圖第二行所示）
3. 不顯眼物體難識(shí)別：比如在床被上識(shí)別不出相似花紋的枕頭（如下圖第三行所示）

金字塔池化模塊（Pyramid Pooling Module）

為了解決上述三個(gè)問(wèn)題，PSPNet提出了金字塔池化模塊，該模塊插入在輸出分割結(jié)果前的最后一個(gè)特征圖后邊。

首先由CNN提取出特征圖（PSPNet沒(méi)像FCN, UNet, SegNet一樣建立淺層到深層之間的跨層連接），然后經(jīng)過(guò)不同的池化層下采樣出不同尺寸的特征圖（原文下采樣為1x1, 2x2, 3x3, 6x6四種特征圖），接著分別由卷積層將通道收縮為原來(lái)的1/N（原文中N=4）以保證拼接之后通道數(shù)與原來(lái)相同，由此得到不同尺寸的感知區(qū)域的局部信息。再將不同尺寸的局部信息上采樣為原來(lái)特征圖的尺寸但不改變通道數(shù)量（原文用雙線性插值來(lái)上采樣），與原始特征圖拼接起來(lái)，最后經(jīng)過(guò)卷積層映射到目標(biāo)空間得到分割結(jié)果。

以hszhao/PSPNet | github為例，用netron可視化后可以看到詳細(xì)的金字塔池化模塊及后續(xù)處理的結(jié)構(gòu)：

輔助損失

除了最終的分割分類損失之外，PSPNet還在中間位置加入了輔助損失，如下圖所示，對(duì)ResNet第四階段的輸出特征圖提前取出并且上采樣到輸入圖片的尺寸，然后計(jì)算輔助損失loss2，并與主損失loss1加權(quán)求和后反傳。

如yassouali/pytorch_segmentation/trainer.py#L61 | github設(shè)置了權(quán)重為0.4；
用于計(jì)算loss2的特征圖的產(chǎn)生，具體也可以參見 yassouali/pytorch_segmentation/models/pspnet.py 的L65-L71和L90-L94

DeepLab

參考：《【語(yǔ)義分割系列：一】DeepLab v1 / v2 論文閱讀翻譯筆記 | CSDN, 鹿鹿最可愛(ài)》
《【語(yǔ)義分割系列：五】DeepLab v3 / v3+ 論文閱讀翻譯筆記 | CSDN, 鹿鹿最可愛(ài)》
《deeplab系列總結(jié)（deeplab v1& v2 & v3 & v3+） | CSDN, Dlyldxwl》

v1

論文：《Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs (ICLR2015)》
主要貢獻(xiàn)：

1. 結(jié)合CNN和PGM（概率圖模型）
2. 使用空洞卷積替代標(biāo)準(zhǔn)卷積，在保持計(jì)算量的同時(shí)增大感受野

（為了與原文對(duì)應(yīng)，以下討論均以VGG16為backbone）
_

兩個(gè)問(wèn)題

1. 典型的CNN隨著模型的深入需要逐漸下采樣，這就導(dǎo)致信號(hào)（特征圖）的分辨率逐漸減小；盡管可以通過(guò)減少下采樣實(shí)現(xiàn)，但卻帶來(lái)另一個(gè)問(wèn)題，即感受野偏小；
2. 分類任務(wù)要求空間不變性，即圖像經(jīng)過(guò)空間變換（如旋轉(zhuǎn)、平移）后識(shí)別的類別不發(fā)生改變；而分割任務(wù)不同，像素的定位信息也至關(guān)重要，如果圖像經(jīng)過(guò)空間變換，那么要求模型預(yù)測(cè)結(jié)果也要隨之改變

減少下采樣和使用空洞卷積

（緩解第一個(gè)問(wèn)題）
按照常規(guī)利用分類網(wǎng)絡(luò)做backbone的方式，作者剝離掉VGG16最后的三層全連接，此時(shí)最后一層卷積層的輸出特征圖分辨率為7x7，與輸入的原始圖像分辨率224x224相比，已經(jīng)下采樣了32倍，丟失了非常多的細(xì)節(jié)信息（原文中稱之為很sparse、不dense）。

為了保留更多的信息，作者將最后兩層池化的步長(zhǎng)修改為1，也即取消了這兩個(gè)池化的下采樣功能，此時(shí)相當(dāng)于只下采樣了8倍。但如上一小節(jié)所說(shuō)，這樣就帶來(lái)新的感受野偏小的問(wèn)題。

DeepLab使用空洞卷積（dilated convolution）來(lái)解決這個(gè)問(wèn)題，同時(shí)節(jié)約了不少的計(jì)算量。關(guān)于空洞卷積的圖示和幾種卷積的比較可以參考 FCN的反卷積上采樣一節(jié)。

（“下采樣-標(biāo)準(zhǔn)卷積-上采樣”和“空洞卷積”的效果比較，圖源自v2）

（“標(biāo)準(zhǔn)卷積-下采樣”和“空洞卷積”特征圖尺寸變化示意，圖源自以ResNet為backbone的v3）


簡(jiǎn)單來(lái)說(shuō)，空洞卷積通過(guò)跳躍性地采樣，能以3x3的卷積核得到5x5、7x7等更大的等效感受野。
前述兩個(gè)取消下采樣功能的池化層之后的卷積層就換成了成空洞卷積。

緩解了第一個(gè)問(wèn)題后，論文同時(shí)指出隨后的上采樣不再需要反卷積來(lái)恢復(fù)分辨率，直接雙線性插值就可以得到可觀的結(jié)果。訓(xùn)練時(shí)直接對(duì)ground truth下采樣8倍，然后與改造后的VGG16輸出求交叉熵作為損失函數(shù)；預(yù)測(cè)時(shí)則直接雙線性插值得到分割的結(jié)果。

全連接條件隨機(jī)場(chǎng)后處理

（緩解第二個(gè)問(wèn)題）
全連接條件隨機(jī)場(chǎng)（Fully Connected Conditional Random Field, Fully Connected CRF）

（上下兩行分別是softmax的輸入和輸出）

如上圖的 DCNN output 一列所示，經(jīng)過(guò)層層的下采樣和上采樣，特征圖逐漸丟失部分信息，導(dǎo)致最終輸出的圖像顯得比較平滑。而分割任務(wù)希望分割的結(jié)果邊緣輪廓能夠比較清楚犀利，于是作者引入了全連接CRF對(duì)CNN的輸出結(jié)果進(jìn)行后處理。

在傳統(tǒng)的圖像處理中，CRF通常用相鄰像素來(lái)設(shè)計(jì)能量函數(shù)，從而消除一些噪音，達(dá)到平滑處理的目的。然而在分割中，我們的目標(biāo)是恢復(fù)局部信息而非進(jìn)一步平滑處理。
因此作者借鑒了《Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials (NIPS2011)》全連接條件隨機(jī)場(chǎng)來(lái)實(shí)現(xiàn)分割結(jié)果的銳化處理。其能量函數(shù)為

其中

對(duì)于一元項(xiàng)來(lái)說(shuō)，是CNN產(chǎn)生的像素點(diǎn)的概率分布；
對(duì)于二元項(xiàng)來(lái)說(shuō)，
，這意味著每個(gè)像素點(diǎn)都會(huì)和全圖像的所有像素點(diǎn)建立聯(lián)系，也即“全連接”；
求和項(xiàng)里是加權(quán)的應(yīng)用在像素特征上的高斯核函數(shù)，原文采用像素點(diǎn)值和位置構(gòu)造核函數(shù)

這里包含兩項(xiàng)，第一項(xiàng)包含位置信息和值信息，后一項(xiàng)值考慮位置信息，兩者通過(guò)和加權(quán)；
而也是人工設(shè)置的超參數(shù)

融合多尺度信息進(jìn)行預(yù)測(cè)

和FCN、UNet一樣，作者也嘗試從淺層抽取特征與深層融合完成最后的分割預(yù)測(cè)。
具體來(lái)說(shuō)，在輸入圖片和中間池化結(jié)果（前四個(gè)池化層的輸出）上分別加兩層卷積（3x3+1x1）做特征提取和通道縮放映射，使得分割效果得到少量的提升，但這個(gè)提升明顯不如全連接CRF（兩者可以兼容使用）。

v2

論文：《DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs (CVPR2016)》
主要貢獻(xiàn)：對(duì)同一張?zhí)卣鲌D使用不同dilation的空洞卷積，并用多孔空間金字塔池化下采樣到同一尺寸，以此融合多種感受野的特征信息。

多孔空間金字塔池化（Atrous Spatial Pyramid Pooling, ASPP）

思路很簡(jiǎn)單，其實(shí)是何愷明的空間金字塔池化的一個(gè)演化。關(guān)于空間金字塔池化（SPP）的內(nèi)容可以回顧《漫談池化層 - 空間金字塔池化 | Hey~YaHei!》，此處不再贅述。

（圖中rate指的就是我們常說(shuō)的dilation，也即對(duì)輸入特征圖兩個(gè)采樣點(diǎn)的間隔，如標(biāo)準(zhǔn)卷積dilation=1）

v3

論文：《Rethinking Atrous Convolution for Semantic Image Segmentation (CVPR2017)》
主要貢獻(xiàn)：

1. 歸納了四種常見的語(yǔ)義分割框架
2. 改進(jìn)了v2提出的ASSP

（原文以ResNet為backbone）

常見語(yǔ)義分割框架的比較

1. 圖像金字塔
   多尺度輸入，小尺度輸入響應(yīng)語(yǔ)義，大尺度輸入響應(yīng)細(xì)節(jié)，最后融合多個(gè)結(jié)果，多個(gè)模型之間可以共享部分底層特征；顯著缺點(diǎn)是模型冗余而龐大，推理慢開銷大，訓(xùn)練麻煩
2. 編碼器-解碼器
   深層捕獲更加抽象的分類信息，輔之融合淺層特征恢復(fù)目標(biāo)的細(xì)節(jié)尤其是空間信息
3. 級(jí)聯(lián)空洞卷積
   減少將采樣保持特征圖上的細(xì)節(jié)尤其是空間信息，利用空洞卷積擴(kuò)大感受野
4. 空間金字塔池化
   用不同dilation的并行空洞卷積提取不同感受野下的特征，最后用ASSP下采樣到統(tǒng)一尺度進(jìn)行特征融合

改進(jìn)ASSP

• 去掉一個(gè)“dilation=24的3x3卷積”分支
• 增加一個(gè)“1x1的標(biāo)準(zhǔn)卷積”分支
• 增加一個(gè)“全局平均池化 + 1x1標(biāo)準(zhǔn)卷積 + 雙線性插值上采樣”分支

v3+

論文：《Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation (ECCV2018)》
主要貢獻(xiàn)：

1. 借鑒編碼器-解碼器架構(gòu)，額外融合中間特征提高最終的分割能力
2. 引入深度可分離卷積

（原文以使用了深度可分離卷積的Xception為backbone）

額外融合中間特征

如圖，作者發(fā)現(xiàn)經(jīng)過(guò)空間金字塔池化之后直接做一次八倍上采樣過(guò)于粗暴，于是借鑒了編碼器-解碼器架構(gòu)的思路，在空間金字塔池化后的特征圖上采樣四倍之后，與從中間層抽離出特征相融合，再做一次四倍上采樣（注意編碼器部分比原始模型要多一層，所以與原輸入相比編碼器的輸出實(shí)際上下采樣了十六倍而非八倍，換句話v3+加深了網(wǎng)絡(luò)）

深度可分離卷積

可參考《漫談卷積層 - 高效卷積 | Hey~YaHei!》，此處不再贅述。

損失函數(shù)

參考：《圖像分割領(lǐng)域常見的loss fuction有哪一些？ | 知乎, 小鋒子Shawn》

圖像增廣

工具：mdbloice/Augmentor支持在變換原圖的時(shí)候同步操作ground truth，很方便

審核編輯：符乾江