【语义分割】——2020来看PointRend的影子

最新推荐文章于 2023-06-25 19:40:18 发布

农夫山泉2号

最新推荐文章于 2023-06-25 19:40:18 发布

阅读量1.1k

点赞数 3

分类专栏：语义分割文章标签：语义分割 PointRend Cascade 上采样

本文链接：https://blog.csdn.net/u011622208/article/details/110928416

版权

语义分割专栏收录该内容

45 篇文章 15 订阅

订阅专栏

论文:arXiv
code:
detectron2
SegmenTron
关键词：语义分割，实例分割，边缘细化，迭代细分

在这里插入图片描述

1. 核心思想

上采样困难点修补。因为即使是双线性上采样，还是对物体的边缘有损伤，因为边缘细节部分的像素点，相对于平滑区域少很多，这样在上采样之后就容易出现物体边缘不够好的问题。论文提出了困难点，在图像平面中灵活，自适应的选择点（points）来预测分割标签。直观上，这些点应该更密集地位于高频区域附近，如对象边界，类似于光线追踪中的抗锯齿问题（anti-aliasing，也译为边缘柔化、消除混叠等），用这些points来替换上采样之后的结果，这样对上采样有提升
上采样修补。这篇论文讲了一个很好听的故事，即：把语义分割以及实例分割问题（统称图像分割问题）当做一个渲染问题来解决。故事虽然这么讲，但本质上这篇论文其实是一个新型上采样方法，针对物体边缘的图像分割进行优化，使其在难以分割的物体边缘部分有更好的表现。
cascade思想。直接上采样x4，x8倍，有锯齿效果，边缘不好，那我一次上采样x2，而且每次用bilinear上采样之后，我还修补一下

2. PointRend训练

前面也说了，PointRend本质上是一种对上采样的修补，或者说一种新型上采样方法。其训练和测试的流程是不一样的，这里分开来讲。

是一个通用模块，可以合并到SOTA backbone 中，如 MaskR-CNN， Deeplabv3的后端再做进一步优化的。相当于一个deepsup的分支。

这里以语义分割deeplabv3+，cityscapes数据集为实例。

总结起来，PointRend就是对困难点的语义分割结果进行监督学习

2.1 整体流程
在这里插入图片描述

deeplabv3+得到粗糙的语义结果 coarse out（shape：b×19×h×w）

c1, _, _, c4 = self.backbone.encoder(x)

out = self.backbone.head(c4, c1)

PointRend关键点采样与语义标签预测

a. 从out中随机选择N×N×K×beta个困难采样点，加上N×N×K×（1-beta）个随机采样点，得到采样点。

N = x.shape[-1] // 16
points = sampling_points(out, N * N, self.k, self.beta)

这里困难点的界定还是有文章可以做的。原文是：依据分类结果最大置信度和第二大置信度之间差值来选择的。

b. 根据采样点对：粗糙的语义结果coarse out，和第二浅层特征res2 进行采样，得到困难点的特征表示

coarse = point_sample(out, points)
fine = point_sample(res2, points)
feature_representation = torch.cat([coarse, fine], dim=1)

c. 对困难点用MLP做语义分类

rend = self.mlp(feature_representation)

d. 根据采样点，对gt采样，得到困难点语义的 label

gt_points = point_sample(
            gt.float().unsqueeze(1),
            result["points"],
            mode="nearest"
        ).squeeze_(1).long()
points_loss = F.cross_entropy(result["rend"], gt_points, ignore_index=self.ignore_index)

总结起来就是：deeplabv3+语义分割学习 + 困难点语义的辅助监督

3. PointRend测试

所以，测试的时候，才是核心思想的体现：upsample修补，Cascade级联

3.1 整体流程：

while out.shape < target.shape:

对deeplabv3+的粗糙语义结果上采样2倍，得到 out2

out = F.interpolate(out, scale_factor=2, mode="bilinear", align_corners=False)

从 out2 中得到 8096 个困难采样点

H_step, W_step = 1 / H, 1 / W
N = min(H * W, N)
uncertainty_map = -1 * (mask[:, 0] - mask[:, 1])
_, idx = uncertainty_map.view(B, -1).topk(N, dim=1)

points = torch.zeros(B, N, 2, dtype=torch.float, device=device)
points[:, :, 0] = W_step / 2.0 + (idx  % W).to(torch.float) * W_step
points[:, :, 1] = H_step / 2.0 + (idx // W).to(torch.float) * H_step
return idx, points

根据 8096 个采样点，从 out2 和 res2 采样，得到困难点的特征表示，然后再做语义分类

coarse = point_sample(out, points)
fine = point_sample(res2, points)

feature_representation = torch.cat([coarse, fine], dim=1)

rend = self.mlp(feature_representation)

根据 8096 个采样点和采样点的语义结果，对 out2 中的结果进行替换（上采样修补）

B, C, H, W = out.shape
points_idx = points_idx.unsqueeze(1).expand(-1, C, -1)
out = (out.reshape(B, C, -1)
         .scatter_(2, points_idx, rend)
         .view(B, C, H, W))