转载自：http://blog.csdn.net/gavin__zhou/article/details/52142696

FCN原理

原理我已经在上篇博客说过,大家可以参考FCN原理篇

代码

FCN有官方的代码,具体地址是FCN官方代码  不过我用的不是这个代码,我用的是别人修改官方的版本的代码,使用Chainer框架实现的,Chainer的源码链接:  Chainer框架源码,如果大家使用过Keras的话,应该对它不会感到特别的陌生,Chainer: a neural network framework

好了,我使用的代码是FCN的Chainer implementation, 具体地址是FCN Chainer implementation

安装

安装很简单,直接pip或者源码安装都可以,但是我在我的机器上装过几次,发现使用pip的方式最后fcn.data_dir这个变量的值会指向到你系统的Python下的dist-packages这个目录,但是这个目录需要root权限,所以不推荐使用pip直接安装的方式; 关于此问题的说明见:  fcn.data_dir的问题

所以我最后使用的是源码安装的方式,这里推荐使用virtualenv工具建立虚拟环境,实践中发现这是最不会出错的方式,推荐使用!

clone代码

Git clone https://github.com/wkentaro/fcn.git –recursive

使用virtualenv安装

sudo pip install virtualenv #安装virtualenv  创建虚拟目录  virtualenv test-fcn  cd test-fcn  激活虚拟环境  source ./bin/activate  克隆fcn代码  git clone https://github.com/wkentaro/fcn.git –recursive  cd fcn  安装fcn  python setup.py develop

demo

下载VOC2012数据集,放入fcn-data-pascal-VOC2012路径下  1. 转换caffe model为Chainer model  ./scripts/caffe_to_chainermodel.py  2. load model,进行分割  ./scripts/fcn_forward.py –img-files data/pascal/VOC2012/JPEGImages/2007_000129.jpg

训练自己的数据

这个前后搞了快一个月,才把最终的训练搞定,其中艰辛很多,在这里写出来供大家参考

准备自己的数据集

数据集做成VOC2012的segementClass的样子,下图是示例,上面一张是原图,下面一张是分割图

 

但是每一种label指定的物体都有对应的具体的颜色,这个我们犯了很多错,最后跟踪代码找出来的,具体的每一类的RGB值如下:

Index RGB值 0 (0,0,0) 1 (0,128,0) 2 (128,128,0) 3 (0,0,128) 4 (128,0,128) 5 (0,128,128) 6 (128,128,128) 7 (64,0,0) 8 (192,0,0) 9 (62,128,0) 10 (192,128,0

这里只列出10类的值,更多类的可以看下面这段代码:

def bitget(byteval, idx): return ((byteval & (1 << idx)) != 0) def labelcolormap(N=256): cmap = np.zeros((N, 3)) #N是类别数目 for i in xrange(0, N): id = i r, g, b = 0, 0, 0 for j in xrange(0, 8): r = np.bitwise_or(r, (bitget(id, 0) << 7-j)) g = np.bitwise_or(g, (bitget(id, 1) << 7-j)) b = np.bitwise_or(b, (bitget(id, 2) << 7-j)) id = (id >> 3) cmap[i, 0] = r cmap[i, 1] = g cmap[i, 2] = b cmap = cmap.astype(np.float32) / 255 #获得Cmap的RGB值 return cmap def _label_rgb_to_32sc1(self, label_rgb): assert label_rgb.dtype == np.uint8 label = np.zeros(label_rgb.shape[:2], dtype=np.int32) label.fill(-1) cmap = fcn.util.labelcolormap(len(self.target_names)) cmap = (cmap * 255).astype(np.uint8) #转换为整数值 for l, rgb in enumerate(cmap): mask = np.all(label_rgb == rgb, axis=-1) label[mask] = l return label 123456789101112131415161718192021222324252627282930 123456789101112131415161718192021222324252627282930

按照此颜色表做图就没有问题,代码可以正确的读取分割的ground-truth结果  原始的图像放在fcn/data/pascal/VOC2012/JPEGImages  分割的图像放在fcn/data/pascal/VOC2012/SegmentationClass  之后在fcn/data/pascal/VOC2012/ImageSets/Segmentation写train.txt,trainval.txt,val.txt,写入需要进行相应任务的图片的编号

修改代码

fcn/scripts/fcn_train.py # setup optimizer optimizer = O.MomentumSGD(lr=1e-10, momentum=0.99) #这里的lr一定要小,大的话程序会报错,我使用的是1e-9 optimizer.setup(model) # train trainer = fcn.Trainer( dataset=dataset, model=model, optimizer=optimizer, weight_decay=0.0005, test_interval=1000, max_iter=100000, snapshot=4000, gpu=gpu, ) 123456789101112131415 123456789101112131415 fcn/fcn/pascal.py target_names = np.array([ 'background', 'aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat', 'chair', 'cow', 'diningtable', 'dog', 'horse', 'motorbike', 'person', 'potted plant', 'sheep', 'sofa', 'train', 'tv/monitor', ]) #修改成自己的,记得按照颜色表写 123456789101112131415161718192021222324 123456789101112131415161718192021222324 fcn/fcn/util.py def resize_img_with_max_size(img, max_size=500*500): #修改max_size,按照实际写 """Resize image with max size (height x width)""" from skimage.transform import rescale height, width = img.shape[:2] scale = max_size / (height * width) resizing_scale = 1 if scale < 1: resizing_scale = np.sqrt(scale) img = rescale(img, resizing_scale, preserve_range=True) img = img.astype(np.uint8) return img, resizing_scale 1234567891011 1234567891011 fcn/fcn/models/fcn32s.py def __init__(self, n_class=21): #修改类别n_class self.n_class = n_class super(self.__class__, self).__init__( conv1_1=L.Convolution2D(3, 64, 3, stride=1, pad=100), conv1_2=L.Convolution2D(64, 64, 3, stride=1, pad=1), conv2_1=L.Convolution2D(64, 128, 3, stride=1, pad=1), conv2_2=L.Convolution2D(128, 128, 3, stride=1, pad=1), conv3_1=L.Convolution2D(128, 256, 3, stride=1, pad=1), conv3_2=L.Convolution2D(256, 256, 3, stride=1, pad=1), conv3_3=L.Convolution2D(256, 256, 3, stride=1, pad=1), conv4_1=L.Convolution2D(256, 512, 3, stride=1, pad=1), conv4_2=L.Convolution2D(512, 512, 3, stride=1, pad=1), conv4_3=L.Convolution2D(512, 512, 3, stride=1, pad=1), conv5_1=L.Convolution2D(512, 512, 3, stride=1, pad=1), conv5_2=L.Convolution2D(512, 512, 3, stride=1, pad=1), conv5_3=L.Convolution2D(512, 512, 3, stride=1, pad=1), fc6=L.Convolution2D(512, 4096, 7, stride=1, pad=0), fc7=L.Convolution2D(4096, 4096, 1, stride=1, pad=0), score_fr=L.Convolution2D(4096, self.n_class, 1, stride=1, pad=0), upscore=L.Deconvolution2D(self.n_class, self.n_class, 64, stride=32, pad=0), ) self.train = False 123456789101112131415161718192021222324252627282930 123456789101112131415161718192021222324252627282930

训练

./scripts/fcn_train.py

其会在fcn/data/ 下创建一个目录叫做SegmentationClassDataset_db,里面存放训练的图片的pickle数据,如果需要修改原始的训练图片则需要将此目录删除,否则默认读取此目录内的pickle数据作为图像的原始数据

会在fcn下创建snapshot这个目录,里面有训练保存的model,日志文件等,重新训练的话,建议删除此目录

使用自己训练的model

./scripts/fcn_forward.py -c path/to/your/model -i path/to/your/image  结果存放在fcn/data/forward_out下