01 ? ? ? 序

很久沒有寫過博客了，最近忙于做項目，閉了后簡單寫一下心得體會。近期主要是在做服飾場景相關的項目，今天簡單寫寫其中做的一個服飾分割。

初版代碼已經提交，歡迎大家提issue和pr

https://github.com/FlyEgle/segmentationlight

02 ? ? ? 背景

主要場景就是對模特進行服飾摳圖，要求邊緣處理相對平滑，扣取召回和準確率比較高，能夠覆蓋95%以上的場景case。同時需要考慮模型FLOPs以及結構便宜性，便于后期有壓縮的需求。

03 ? ? ? 模型選擇

有考慮過如下三種模型：

DeepLabV3

U2Net

HRNet-seg

這里DeepLabV3有空洞卷積存在，對于細致的扣圖，效果不是很好，更加適用于連通性比較強的物體分割以及多類別分割。

HRNet-seg存在一個問題，最后輸出的featuremap分別是[1/4, 1/8, 1/16, 1/32]，雖然是有不斷的高低分辨率的交互，但是1/4還是有點捉襟見肘，會影響一些小的pixel，空洞以及邊緣效果。所以做了簡單的修該如下：

FPN+upsmaple形式

FPN+upsample

upsmaple+cat

upsmaple+cat 相對來說FPN的收斂速度會更快一些，計算量更小，性能略高，相比原始HRseg的輸出來說，細致化了很多。 3. U2net的計算量要比HRnet-fpn更小，同時，U2net更加注重刻畫細節。由于場景只有一個類別，所以U2Net不太需要考慮類別的關系，對于模型本身來說更加適配。 4. 有嘗試過修改U2net，包括增加attention，增加refine Module，多監督約束以及修改結構等，不過最終都比較雞肋了，寫paper還是可以的，從實際case效果上看幾乎無差。也嘗試過x2，x4channel，性能上也沒明顯提升。 不過對于專一場景來說，模型本身不是重點。

u2net模型結構

04 ? ? ? 損失設計

任務只要求區分前景和背景，自然可以理解為二分類或者是1分類問題，所以基礎loss的選擇就可以是softmax+CE(二分類)，sigmoid+bce(前景)。sigmoid相比softmax對于邊緣效果更佳友好(可以調節閾值)，為了保證連通區域，采用了bce+3*dice作為baseline損失。 這里在320x320尺寸下，做了一些對比實驗，可以看到bce+iou指標最高，不過case by case的話視覺效果沒有bce+dice好。降低dice的系數，也是因為有時候dice過強忽略了bce判別正負樣本的情況。

損失函數 也嘗試過一些其他的loss，如focalloss，tv， L1等損失組合，意義不是很大， 代碼如下：

# ----------------- DICE Loss--------------------class DiceLoss(nn.Module):
    def __init__(self):
        super(DiceLoss, self).__init__()
 
    def forward(self, logits, targets, mask=False):
        num = targets.size(0)
        smooth = 1.


        probs = torch.sigmoid(logits)
        m1 = probs.view(num, -1)
        m2 = targets.view(num, -1)
        intersection = (m1 * m2)
 
        score = 2. * (intersection.sum(1) + smooth) / (m1.sum(1) + m2.sum(1) + smooth)
        score = 1 - score.sum() / num
        return score# -------------------- BCELoss -----------------------class BCELoss(nn.Module):
    """binary bceloss with sigmoid"""
    def __init__(self):
        super(BCELoss, self).__init__()


    def forward(self, inputs, targets, weights=None, mask=False):
        assert len(inputs.shape) == 4, "inputs shape must be NCHW"
        if len(targets.shape) != 4:
            targets = targets.unsqueeze(1).float()
        else:
            targets = targets.float()
        if mask:
            inputs  = inputs * targets
        losses = F.binary_cross_entropy_with_logits(inputs, targets, weights)
        return losses# ----------------- DICE+BCE Loss--------------------class DiceWithBCELoss(nn.Module):
    def __init__(self, weights, mining=False):
        super(DiceWithBCELoss, self).__init__()
        self.dice_loss = DiceLoss()
        if mining:
            self.bce_loss = BalanceCrossEntropyLoss() 
        else:
            self.bce_loss = BCELoss()
        self.weights = weights


    def forward(self, preds, targets):
        bceloss = self.bce_loss(preds, targets)
        diceloss = self.dice_loss(preds, targets)
????????return?self.weights['bce']?*?bceloss?+?self.weights['dice']*diceloss

05 ? ? ? 訓練優化

1. 分辨率

baseline模型的訓練尺寸為320x320，隨之提升到了640x640，這里采用兩種方法，一個是from strach訓練一個是load 320的pretrain 進行訓練。相比于strach，pretrain的效果會更好，隨著數據的迭代和累積，不斷的采用上一個最好效果的weights來做下一次訓練模型的pretrain，最終訓練尺寸為800x800。 嘗試過采用更大的分辨率960和1024來進行訓練，在個人的場景上基本沒有顯著提升。（ps: 1024尺寸下的bs太小了，加了accumulate grad后性能下降的明顯）

2. 數據增強

數據增強采用基本都是常規的，隨機crop，隨機翻轉，隨機旋轉，隨機blur，這里colorjitter會影響性能就沒有用了。

def build_transformers(crop_size=(320, 320)):
    if isinstance(crop_size, int):
        crop_size = (crop_size, crop_size)
    
    data_aug = [
        # RandomCropScale(scale_size=crop_size, scale=(0.4, 1.0)),
        RandomCropScale2(scale_size=crop_size, scale=(0.3, 1.2), prob=0.5),
        RandomHorizionFlip(p=0.5),
        RandomRotate(degree=15, mode=0),
        RandomGaussianBlur(p=0.2),
    ]


    to_tensor = [
        Normalize(normalize=True, mean=IMAGENET_DEFAULT_MEAN, std=IMAGENET_DEFAULT_STD),
        ToTensor(channel_first=True)
    ]


    final_aug = data_aug + to_tensor
    return Compose(final_aug)

比較重要的一點的是randomcrop，調整了crop的區域為[0.3,1.2]，一方面是因為crop區域太小，容易忽視整體性，另一方面是crop大一些可以相應的對應大分辨率。要注意的是，crop的區域是需要包含前景，可以通過設定前景占比來進行調整，也可以理解為手動balance數據。

class RandomCropScale2:
    """RandomCrop with Scale the images & targets, if not crop fit size, need to switch the prob to do reisze to keep the over figure        scale_size :  (list) a sequence of scale        scale      :  default is (0.08, 1.0),  crop region areas        ratio      :  default is (3. / 4., 4. / 3.), ratio for width / height    Returns:        scale_image : (ndarray) crop and scale image        scale_target: (ndarray) crop and scale target, shape  is same with image    """
    def __init__(self, scale_size, scale=(0.08, 1.0), ratio=(3. / 4., 4. / 3.), prob=0.5):
        self.scale_size = scale_size
        self.scale = scale 
        self.ratio = ratio   


        # self.prob = np.random.uniform(0, 1) > prob
        self.prob = prob
        self.scale_func = Scale(self.scale_size)

        # center crop
        # self.centercrop = CenterCrop(self.scale_size)

        if (self.scale[0] > self.scale[1]) or (self.ratio[0] >  self.ratio[1]):
            warnings.warn("Scale and ratio  should be of kind (min, max)")

    def _isBG(self, tgts):
        """If the targets all is 0, 0 is background        """
        if np.sum(tgts) == 0:
            return True 
        else:
            return False

    # TODO: fix empty bug
    def _crop_imgs(self, imgs, tgts):
        height, width, _ = imgs.shape 
        area =  height * width 


        for _ in range(10):
            target_area = area * np.random.uniform(self.scale[0], self.scale[1])
            aspect_ratio = np.random.uniform(self.ratio[0], self.ratio[1])


            w = int(round(math.sqrt(target_area * aspect_ratio)))
            h = int(round(math.sqrt(target_area / aspect_ratio)))


            if 0 < w < width and 0 < h < height:
                random_y = np.random.randint(0, height - h + 1)
                random_x = np.random.randint(0, width - w + 1)
                
                crop_image = imgs[random_y:random_y+h, random_x:random_x+w]
                crop_target = tgts[random_y:random_y+h, random_x:random_x+w]


                if not self._isBG(crop_target):
                    crop_image, crop_target = self.scale_func(crop_image, crop_target)
                    return crop_image, crop_target

            # switch prob or center crop
            if np.random.uniform(0, 1) > self.prob:
                # center crop
                in_ratio = float(width) / float(height)
                if in_ratio < min(self.ratio):
                    w = width
                    h = int(round(w / min(self.ratio)))
                elif in_ratio > max(self.ratio):
                    h = height
                    w = int(round(h * max(self.ratio)))
                else:
                    w = width
                    h = height 
                
                # navie center crop
                crop_x = max((width - w) // 2, 0)
                crop_y = max((height  - h) // 2, 0)
                imgs = imgs[crop_y:crop_y+height,  crop_x:crop_x+width]
                tgts = tgts[crop_y:crop_y+height, crop_x:crop_x+width]

            # scale 
            crop_image, crop_target = self.scale_func(imgs, tgts)
            return crop_image, crop_target


    def __call__(self, imgs, tgts):
        crop_image, crop_target = self._crop_imgs(imgs, tgts)
????????return?crop_image,?crop_target

3. 數據

這個就仁者見仁智者見智了，查缺補漏就好，一般新數據，我會用模型過濾一遍，卡個0.98或者0.99的miou，小于這個閾值的用于訓練，大于閾值的采樣訓練。 訓練這里采用的是ADAMW優化器，1e-2的weights decay，5e-4到1e-4調整學習率，視情況而定。（ADAMW偶爾會出現nan的問題，要查找是否數據有nan，如果沒有大概率是因為有bn導致的數值溢出，可以調小LR或者更換優化器）采用了CircleLR進行衰減，效果還算ok，跑相同300個epoch，比CosineLR要好一點點。最終場景驗證數據可以到達99%+的miou。

06 ? ? ? 邊緣優化

Sigmoid訓練后，可以簡單的卡個閾值來進行邊緣平滑處理，可以二值也可以過渡。

output[output >= thre] = 1 or None
output[output < thre] = 0

?

邊緣

粗看邊緣還算可以，但是細看就發現鋸齒很明顯了，還需要進一步處理，這里簡單做了一個算法，縮放現有的mask（這里縮放可以用contour，也可以用腐蝕，也可以用shapely），把原始圖像做blur，把外圈的blur貼回來。

def edgePostProcess(mask, image):
    """Edge post Process    Args:        
mask: a ndarray map, value is [0,255], shape is (h, w, 3)   
     image: a ndarray map, value is 0-255, shape  is(h, w, 3)  
  Returns:     
   outputs: edge blur image    """
    mask[mask==255] = 1
    mask = getShrink(mask)

    image = image * mask 
    image[image==0] = 255
    blur_image = cv2.GaussianBlur(image, (5, 5), 0)
    new_mask = np.zeros(image.shape, np.uint8)
    contours, hierachy = cv2.findContours(
        mask[:,:,0],
        cv2.RETR_EXTERNAL,
        cv2.CHAIN_APPROX_SIMPLE
    )
    cv2.drawContours(new_mask, contours, -1, (255, 255, 255), 5)
    output = np.where(new_mask==np.array([255, 255, 255]), blur_image, image)
    return output

?

邊緣 其實可以看到，邊緣只是blur了，但是貼到白背景上可以發現視覺效果會好很多，這也是欺騙人眼的一個方法。 放一張高圓圓的照片吧，看一下分割后的結果

07 ? ? ? 代碼

這套代碼框架寫了個把個月，包括了FCNs，SegNets，DeepLab，UNet，U2Net，HRNet等一些常用模型的實現，loss，aug，lrshedule等，以及VOC上的一些pretrain。整體代碼簡單明了，模塊分明，如果有需要后面可以考慮開源。

model zoo 最后 ，本人不是主要做分割的，只是項目需要了就寫了一套代碼框架，做了一些相關的實驗探索，有一定的場景調優，不一定具備共性，歡迎大家討論~

編輯：黃飛

?