零基础入门语义分割-Task1 赛题理解

1、赛题理解

零基础入门语义分割-地表建筑物识别，是DataWhale与天池联合发起的入门比赛，以计算机视觉为背景，希望通过过此次比赛了解语义分割的相关知识。

1.1Task1学习内容

• 理解赛题背景和数据。
• 掌握RLE编码。
• 解体思路。

2、赛题介绍

2.1 题目介绍

遥感技术已成为获取地表覆盖信息最为行之有效的手段，遥感技术已经成功应用于地表覆盖检测、植被面积检测和建筑物检测任务。本赛题使用航拍数据，需要参赛选手完成地表建筑物识别，将地表航拍图像素划分为有建筑物和无建筑物两类。
如下图，左边为原始航拍图，右边为对应的建筑物标注。

2.2 数据介绍

• train_mask.csv：存储图片的标注的rle编码；
• train和test文件夹：存储训练集和测试集图片；

3、RLE编码

RLE全称（run-length encoding），翻译为游程编码或行程长度编码，对连续的黑、白像素数以不同的码字进行编码。RLE是一种简单的无损压缩，经常用在在语义分割比赛中对标签进行编码。

比如说：

aaaaabbbbbbbbbbbbcccc
经过压缩之后变成了
5a12b4c

abcde
经过压缩之后变成了
1a1b1c1d1e

上边的例子压缩之后变短了，但是下边的压缩之后却变长了。

左边为未压缩，右边为压缩之后。（按行统计的。）

当大量相同的像素点聚集时，压缩效率比较高。相反，比较分散时，压缩效率较差。

# 将图片编码为rle格式
def rle_encode(im):
    '''
    im: numpy array, 1 - mask, 0 - background
    Returns run length as string formated
    '''
    pixels = im.flatten(order = 'F')  # F 为根据列flatten
    pixels = np.concatenate([[0], pixels, [0]]) # 前后各加上1各0
    runs = np.where(pixels[1:] != pixels[:-1])[0] + 1  # 不同像素的起点
    runs[1::2] -= runs[::2]
    return ' '.join(str(x) for x in runs) 

# 将rle格式进行解码为图片
def rle_decode(mask_rle, shape=(512, 512)):
    '''
    mask_rle: run-length as string formated (start length)
    shape: (height,width) of array to return 
    Returns numpy array, 1 - mask, 0 - background

    '''
    s = mask_rle.split()
    starts, lengths = [np.asarray(x, dtype=int) for x in (s[0:][::2], s[1:][::2])]
    starts -= 1
    ends = starts + lengths
    img = np.zeros(shape[0]*shape[1], dtype=np.uint8)
    for lo, hi in zip(starts, ends):
        img[lo:hi] = 1
    return img.reshape(shape, order='F')

4、解体思路

采用语义分割模型来解决问题。

• 1. 使用FCN模型跑通训练过程，并对结果进行预测提交。
• 2. 在此基础上加入数据增强方法。
• 3. 使用更强大的模型（UNet等）。
• 4. 模型集成。