语义分割 小总结

• 记录一下第三次作业 语义分割的做题思路，遇到的问题，以及学到的新知识
• 作业是真的恶心，好恶心
• 5.29日，熬夜，熬到四点，早上八点起来继续肝·····
• 最终训练集0.87，验证集0.83

1：验证集的结果

• 本地验证集上的MIOU
• 0.8356

2：测试集上的结果

3：自己所采用的的方法

• pspnet + resnet50

• 我从上周的时候就开始看物体分割的相关模型以及历史，知道了有基于上采样的，也有最终选择了基于特征增强的PSPNet，最终遇到了包括但不限于以下的问题

• PSP网络的理解，以及参数的选取

  • 最主要的是self.colors，也就是灰度图和索引图之间的对应关系
  • 迁移学习的使用，resNet50，看哔哩哔哩Up主的视频，以及写代码（十个小时）
  • Github 和知乎，搜索相关的代码，知识（十个小时）
  • 最开始的时候，自己擅自改掉了self.colors，颜色就变花了，就像打翻了墨盒一样（这个点可能花的有12个小时的时间，就一直琢磨，琢磨）
  • 开始得到的就是水墨画
  • 然后研究灰度图和索引图，有五个小时
  • 总计可能有五十个小时吧

• 花的时间真的长，一个epoch需要三分钟，训练一百个epoch，差不多就是三百分钟，五个小时就过去了。在kaggle平台上面，两个账号，GPU每周三十个小时。刚好他周六更新时长，所以我们相当于有120个小时的使用时间。算上开始探索的时间，长长短短加起来可能有一百的小时跑模型。

• kaggle下载得到的结果文件，这次需要得到一千张图片，他运行完了刷新一下就没了，而且也不能批量下载。最后找到了可以通过ZIP代码压缩，之后直接下载。

• 一些技术上的问题

  • AttributeError: ‘NDArray’ object has no attribute ‘convert’
  • Image.fromarray(arr, ‘RGB’)
  • NDaRRAY 和 Nparray

4：图片

• 所使用的的kaggle 环境
  

• 开始很绝望的时候 1.92

• 训练过程中

• 最终我改正了错误，把batch_size = 8，并且搞懂了灰度图和索引图的转换关系之后
• 每一个类别上的MIOU 我也打印出来了，可以看到都是在0.8以上，除了两个比较拉跨的类别在0.7

• 最后 这个是验证集上的，左边是我们给出的，右边是实际结果

• 这个是测试集上的，上面是原图，下面是我们预测出的图像

• 最后我们提交的是灰度图，大概是这个样子