【计算机视觉40例】案例23：语义分割

根据分割粒度的不同，可以将图像分割划分为语义分割和实例分割两种形式。

语义分割是指在像素级别进行分类，同类别的像素被划分到同一类中。与目标检测使用方框标注相比较，语义分割更加精细。

实例分割比语义分割更细致，能够将相同类别但是属于不同个体的物体都区分开。

例如，在图1中：

1. 图(a)是图像分类。
2. 图(b)是目标检测。此时，识别结果中将对象使用方框标注。
3. 图(c)是语义分割，将相同类别的不同个体作为一个识别对象处理。此时，识别精确到像素。
4. 图(d)是实例分割，会将相同类别的不同个体区分开。

图1  图像处理比较

语义分割将图像内的每一个像素划分到一个类别中，是像素级别的分类任务。与图像分类和目标检测相比，语义分割需要精确到每一个像素，因此图像本身的分辨率和计算效率都是非常关键的问题。与传统方法相比，基于神经网络实现的语义分割在精度有了较大提升，但是深度神经网络中的众多参数导致运算时间过长。因此，如何取得在计算精度和实时性上的平衡是一个非常关键的问题。语义分割具有非常重要的实用价值，在自动驾驶、机器人、医疗影像分析、地理信息系统（GIS）等领域都发挥着非常关键的作用。

目前，语义分割的主要模型有FCN、SegNet、DeepLab、Refine、NetPSPNet等。这里，我们以FCN为例进行简单介绍。

FCN是指Fully Convolutional Networks（全卷积网络）。

如图2所示，其中上部的网络是传统的CNN网络，下部的网络是FCN。在上部的传统CNN结构中，前5层是卷积层，第6层和第7层分别是一个长度为4096的一维向量，第8层是长度为1000的一维向量，分别对应1000个类别的概率。最后的输出表示输入图像属于每一类的概率，其在“tabby cat”这一类统计概率最高。而在下部的FCN中，将传统CNN中的全连接层转化成一个个的卷积层，即将CNN的最后3层表示为卷积层，卷积核的大小(通道数，宽，高)分别为（4096,1,1）、（4096,1,1）、（1000,1,1）。在FCN中，所有的层都是卷积层，故称为全卷积网络。同时，FCN的输出不再是类别而是热力图（heatmap）。

图2  传统的CNN网络与FCN网络对比

传统的CNN通过卷积和池化操作，实现的是下采样，让图像不断地缩小尺寸、降低分辨率。而语义分割要实现的是针对像素级别的分割，所以还需要一个上采样的效果，将下采样的结果还原到输入图像的分辨率。在FCN中，使用到了反卷积（转置卷积）和反池化操作，将输入图像在经过常规CNN操作后的结果还原分辨率，FCN结构如图3所示。

Semantic Co-segmentation in Videos

pdf 0星 超过10%的资源 15.38MB

下载

图3  FCN网络

程序核心代码如下：

# =================模型推理过程=================
model="fcn8s-heavy-pascal.caffemodel"
config="fcn8s-heavy-pascal.prototxt"
net = cv2.dnn.readNet(model, config)
blob = cv2.dnn.blobFromImage(image, 1.0, (W,H), (0, 0, 0), False, crop=False)
net.setInput(blob)
score = net.forward()
#=============根据推理结果，将每个像素用其所属类颜色构建一个新的模板mask=================
classIDS = np.argmax(score[0], axis=0)   #获取每个像素点所属的分类ID
print(classIDS.shape)
# 根据classIDS确定模板mask
# 每个像素点的颜色为色卡所指定的颜色（色卡颜色来源于classesCOLORS）
mask = np.stack([classesCOLORS[index] for index in classIDS.flatten()])
mask = mask.reshape(H, W, 3)   #调整模板mask为图像的尺寸大小
result =cv2.addWeighted(image,0.2,mask,0.8,0)   #将图像image和模板mask进行加权和计算

运行程序，显示如图4所示，在图中对各个对象进行了语义分割。

json_to_dataset.py

py 0星 超过10%的资源 6KB

下载

图4  运行结果

欢迎大家阅读《计算机视觉40例——从入门到深度学习（OpenCV-Python）》一书中第24章《深度学习应用实践》获取详细内容。

《计算机视觉40例——从入门到深度学习（OpenCV-Python）》在介绍Python基础、OpenCV基础、计算机视觉理论基础、深度学习理论的基础上，介绍了计算机视觉领域内具有代表性的40个典型案例。这些案例中，既有传统的案例（数字识别、答题卡识别、物体计数、缺陷检测、手势识别、隐身术、以图搜图、车牌识别、图像加密、指纹识别等），也有深度学习案例（图像分类、风格迁移、姿势识别、实例分割等），还有人脸识别方面的案例（表情识别、驾驶员疲劳监测、识别性别与年龄等）。