用PyTorch复现FCN语义分割:从VGG16预训练到FCN-8s实战,附完整代码与避坑指南

news2026/4/26 22:52:06
用PyTorch实现FCN-8s语义分割从VGG16迁移学习到工业级部署全流程当我们需要让计算机理解图像中每个像素的语义时传统的分类网络就显得力不从心了。想象一下自动驾驶汽车需要识别道路上的行人、车辆和交通标志或者医疗影像分析需要精确勾勒出肿瘤边界——这些场景都需要像素级的理解能力。全卷积网络FCN正是为解决这类问题而生的革命性架构。1. 环境准备与数据预处理在开始构建模型之前我们需要确保开发环境配置正确。推荐使用Python 3.8和PyTorch 1.10版本这些版本在稳定性和功能支持上都有良好表现。对于GPU加速CUDA 11.3是目前最兼容的版本。conda create -n fcn python3.8 conda activate fcn pip install torch torchvision opencv-python matplotlib1.1 数据集处理实战语义分割数据集通常包含原始图像和对应的标注掩码。以Cityscapes数据集为例我们需要特别处理标注图像class CityscapesDataset(Dataset): def __init__(self, root, splittrain, transformNone): self.images_dir os.path.join(root, leftImg8bit, split) self.targets_dir os.path.join(root, gtFine, split) self.transform transform self.images [] self.targets [] for city in os.listdir(self.images_dir): img_dir os.path.join(self.images_dir, city) target_dir os.path.join(self.targets_dir, city) for file_name in os.listdir(img_dir): self.images.append(os.path.join(img_dir, file_name)) target_name file_name.replace(leftImg8bit, gtFine_labelIds) self.targets.append(os.path.join(target_dir, target_name)) def __getitem__(self, index): image cv2.cvtColor(cv2.imread(self.images[index]), cv2.COLOR_BGR2RGB) target cv2.imread(self.targets[index], cv2.IMREAD_GRAYSCALE) if self.transform: augmented self.transform(imageimage, masktarget) image, target augmented[image], augmented[mask] return image, target注意处理标注时需要考虑类别不平衡问题。例如在城市街景中天空和道路像素可能远多于行人像素这会影响模型训练效果。2. VGG16骨干网络改造FCN-8s使用VGG16作为特征提取器但需要对其进行关键改造移除最后的全连接层保留卷积层和池化层的特征提取能力添加1x1卷积层替代原始分类头class VGG16FeatureExtractor(nn.Module): def __init__(self, pretrainedTrue): super().__init__() vgg models.vgg16(pretrainedpretrained).features self.slice1 nn.Sequential() self.slice2 nn.Sequential() self.slice3 nn.Sequential() self.slice4 nn.Sequential() self.slice5 nn.Sequential() for x in range(5): # conv1_2 self.slice1.add_module(str(x), vgg[x]) for x in range(5, 10): # conv2_2 self.slice2.add_module(str(x), vgg[x]) for x in range(10, 17): # conv3_3 self.slice3.add_module(str(x), vgg[x]) for x in range(17, 24): # conv4_3 self.slice4.add_module(str(x), vgg[x]) for x in range(24, 31): # conv5_3 self.slice5.add_module(str(x), vgg[x]) if pretrained: for param in self.parameters(): param.requires_grad False def forward(self, x): h self.slice1(x) h_relu1_2 h h self.slice2(h) h_relu2_2 h h self.slice3(h) h_relu3_3 h h self.slice4(h) h_relu4_3 h h self.slice5(h) h_relu5_3 h return h_relu1_2, h_relu2_2, h_relu3_3, h_relu4_3, h_relu5_33. FCN-8s网络架构实现FCN-8s的核心创新在于多尺度特征融合32倍上采样路径直接从conv7输出上采样16倍上采样路径融合pool4特征8倍上采样路径进一步融合pool3特征class FCN8s(nn.Module): def __init__(self, n_class21): super().__init__() self.features VGG16FeatureExtractor(pretrainedTrue) # 1x1卷积替代全连接 self.conv6 nn.Conv2d(512, 4096, kernel_size1) self.drop6 nn.Dropout2d() self.conv7 nn.Conv2d(4096, 4096, kernel_size1) self.drop7 nn.Dropout2d() self.score_fr nn.Conv2d(4096, n_class, kernel_size1) # 跳级连接 self.score_pool4 nn.Conv2d(512, n_class, kernel_size1) self.score_pool3 nn.Conv2d(256, n_class, kernel_size1) # 上采样 self.upscore2 nn.ConvTranspose2d( n_class, n_class, kernel_size4, stride2, padding1) self.upscore8 nn.ConvTranspose2d( n_class, n_class, kernel_size16, stride8, padding4) self.upscore_pool4 nn.ConvTranspose2d( n_class, n_class, kernel_size4, stride2, padding1) def forward(self, x): _, _, h_pool3, h_pool4, h_pool5 self.features(x) # 主路径处理 h self.drop6(F.relu(self.conv6(h_pool5))) h self.drop7(F.relu(self.conv7(h))) h self.score_fr(h) h self.upscore2(h) # 16x上采样 # 融合pool4特征 upscore_pool4 self.score_pool4(h_pool4) h h[:, :, 1:1upscore_pool4.size(2), 1:1upscore_pool4.size(3)] h h upscore_pool4 h self.upscore_pool4(h) # 8x上采样 # 融合pool3特征 upscore_pool3 self.score_pool3(h_pool3) h h[:, :, 1:1upscore_pool3.size(2), 1:1upscore_pool3.size(3)] h h upscore_pool3 return self.upscore8(h) # 最终8x上采样提示特征融合时要注意张量尺寸对齐。FCN论文中采用crop方式处理边界不匹配问题这是实现时容易出错的关键点。4. 训练策略与性能优化4.1 损失函数选择语义分割常用的损失函数对比损失函数优点缺点适用场景CrossEntropy分类标准选择忽略类别不平衡均衡数据集DiceLoss处理类别不平衡训练不稳定医学图像FocalLoss关注难样本超参敏感目标检测Lovász-Softmax直接优化mIoU计算复杂竞赛场景对于城市街景分割推荐使用组合损失class MixedLoss(nn.Module): def __init__(self, alpha0.5): super().__init__() self.alpha alpha self.ce nn.CrossEntropyLoss() self.dice DiceLoss() def forward(self, pred, target): return self.alpha * self.ce(pred, target) (1-self.alpha) * self.dice(pred, target)4.2 学习率调度策略采用warmup余弦退火组合策略def get_lr_scheduler(optimizer, n_iter_per_epoch, args): def lr_lambda(current_iter): # Warmup阶段 if current_iter args.warmup_epochs * n_iter_per_epoch: return float(current_iter) / float(max(1, args.warmup_epochs * n_iter_per_epoch)) # 余弦退火阶段 return 0.5 * (1. math.cos(math.pi * (current_iter - args.warmup_epochs * n_iter_per_epoch) / ((args.epochs - args.warmup_epochs) * n_iter_per_epoch))) return torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda)4.3 训练过程可视化使用TensorBoard记录关键指标writer SummaryWriter(log_dirruns/fcn8s_experiment) for epoch in range(epochs): model.train() for i, (images, masks) in enumerate(train_loader): outputs model(images) loss criterion(outputs, masks) optimizer.zero_grad() loss.backward() optimizer.step() # 记录训练指标 writer.add_scalar(Loss/train, loss.item(), epoch*len(train_loader)i) # 验证集评估 if i % 100 0: model.eval() val_loss 0 mIoU 0 with torch.no_grad(): for val_images, val_masks in val_loader: val_outputs model(val_images) val_loss criterion(val_outputs, val_masks).item() mIoU mean_iou(val_outputs, val_masks) writer.add_scalar(Loss/val, val_loss/len(val_loader), epoch*len(train_loader)i) writer.add_scalar(mIoU/val, mIoU/len(val_loader), epoch*len(train_loader)i) model.train()5. 模型部署与性能优化5.1 模型量化加速使用PyTorch的量化工具减小模型体积model FCN8s(n_class21).eval() # 量化配置 model.qconfig torch.quantization.get_default_qconfig(fbgemm) quantized_model torch.quantization.prepare(model, inplaceFalse) quantized_model torch.quantization.convert(quantized_model, inplaceFalse) # 测试量化效果 with torch.no_grad(): quantized_output quantized_model(torch.rand(1,3,512,512)) print(f量化模型输出尺寸: {quantized_output.shape})5.2 ONNX格式导出dummy_input torch.randn(1, 3, 512, 512) torch.onnx.export(model, dummy_input, fcn8s.onnx, input_names[input], output_names[output], dynamic_axes{input: {0: batch}, output: {0: batch}})5.3 TensorRT优化# 使用trtexec转换ONNX到TensorRT引擎 trtexec --onnxfcn8s.onnx --saveEnginefcn8s.engine --fp16 --workspace20486. 实际应用中的挑战与解决方案6.1 小目标分割难题当处理小物体时FCN-8s可能表现不佳。解决方案包括多尺度训练在训练时随机缩放输入图像注意力机制在跳级连接处添加注意力模块高分辨率分支保留更多底层特征class AttentionBlock(nn.Module): def __init__(self, in_channels): super().__init__() self.query nn.Conv2d(in_channels, in_channels//8, kernel_size1) self.key nn.Conv2d(in_channels, in_channels//8, kernel_size1) self.value nn.Conv2d(in_channels, in_channels, kernel_size1) self.gamma nn.Parameter(torch.zeros(1)) def forward(self, x): batch_size, C, H, W x.size() query self.query(x).view(batch_size, -1, H*W).permute(0,2,1) key self.key(x).view(batch_size, -1, H*W) energy torch.bmm(query, key) attention F.softmax(energy, dim-1) value self.value(x).view(batch_size, -1, H*W) out torch.bmm(value, attention.permute(0,2,1)) out out.view(batch_size, C, H, W) return self.gamma * out x6.2 实时性优化对于实时应用可以通过以下方式优化通道剪枝移除不重要的卷积通道知识蒸馏用大模型指导小模型训练架构搜索自动寻找高效网络结构def channel_prune(model, prune_percent0.3): parameters_to_prune [] for name, module in model.named_modules(): if isinstance(module, nn.Conv2d): parameters_to_prune.append((module, weight)) prune.global_unstructured( parameters_to_prune, pruning_methodprune.L1Unstructured, amountprune_percent, ) for module, _ in parameters_to_prune: prune.remove(module, weight) return model7. 进阶技巧与最新改进7.1 深度监督训练在中间层添加辅助损失函数class FCN8sWithDS(nn.Module): def __init__(self, n_class21): super().__init__() # ...原有初始化代码... # 深度监督分支 self.ds_conv1 nn.Conv2d(256, n_class, kernel_size1) self.ds_conv2 nn.Conv2d(512, n_class, kernel_size1) def forward(self, x): _, _, h_pool3, h_pool4, h_pool5 self.features(x) # 深度监督输出 ds1 self.ds_conv1(h_pool3) ds2 self.ds_conv2(h_pool4) # 主路径处理... return main_output, ds1, ds27.2 自注意力增强class SelfAttention(nn.Module): def __init__(self, in_channels): super().__init__() self.query nn.Conv2d(in_channels, in_channels//8, 1) self.key nn.Conv2d(in_channels, in_channels//8, 1) self.value nn.Conv2d(in_channels, in_channels, 1) self.gamma nn.Parameter(torch.zeros(1)) def forward(self, x): batch_size, C, H, W x.size() proj_query self.query(x).view(batch_size, -1, H*W).permute(0,2,1) proj_key self.key(x).view(batch_size, -1, H*W) energy torch.bmm(proj_query, proj_key) attention F.softmax(energy, dim-1) proj_value self.value(x).view(batch_size, -1, H*W) out torch.bmm(proj_value, attention.permute(0,2,1)) out out.view(batch_size, C, H, W) return self.gamma * out x

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2543172.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…