基于FCN.tensorflow的实践

简介

先上GITHUB的地址：
https://github.com/shekkizh/FCN.tensorflow
Tensorflow implementation of Fully Convolutional Networks for Semantic Segmentation (FCNs).
FCN是图像语义分割的经典实现，结合开源的源码来看一下具体的实践。

网络

FCN的网络相对比较简单，卷积层使用了VGG19的框架。全连接层替换成卷积层。

网络框架如下，代码在：
FCN.PY inference函数实现。
网络并不复杂。

数据集

这里主要想说一下，这个开源用的数据集：
The model was applied on the Scene Parsing Challenge dataset provided by MIT http://sceneparsing.csail.mit.edu/
数据集的介绍：
https://github.com/CSAILVision/sceneparsing
Note: annotations masks contain labels ranging from 0 to 150, where 0 refers to “other objects”. We do not consider those pixels in our evaluation.
如：VOC2012,KITTI的语义分割的数据集LABLE图像都是需要用调色板进行数据处理的，RGB某个色值对应某个分类。在sceneparsing的数据集里，LABEL图像的数值就是分类。也算是可以少些预处理代码了。。。。
原始图片和标定图片需要一一对应。

LOSS使用的是像素分类的交叉熵的平均值
loss = tf.reduce_mean((tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits,
labels=tf.squeeze(annotation, squeeze_dims=[3]),
name=”entropy”)))

除了DROPOUT可以调，LR可以调，感觉没啥可说的。

改进

1.预处理数据增强没得做，这个可以加一下。~
2.1次读2W条数据稍微有点不怎么靠谱，内存不够的自己改改吧。我凑合可以用。

理解有误的地方

FC6是一个7*7*512的SAME卷积，所以最后的FC8的SHAPE是7*7*NUM_CLASS，原来以为是1*1，理解有严重的偏差，这里记录一下。