用CNN實(shí)現(xiàn)全景圖像語(yǔ)義分割！
相信許多讀者體驗(yàn)過(guò)b站上的全景視頻，如果還沒(méi)有，快來(lái)體驗(yàn)一下吧[1]！只需鼠標(biāo)點(diǎn)擊并移動(dòng)，便可360度無(wú)死角的瀏覽全景視頻，讓人如同身臨其境。全景圖像，又稱360°全景圖，其數(shù)據(jù)分布在球面空間上。但是，當(dāng)我們將全景圖像展開(kāi)時(shí)，會(huì)造成畸變。
怎么處理？直接將傳統(tǒng)二維平面圖像處理方法應(yīng)用到球面數(shù)據(jù)上，其效果則會(huì)大大降低。而要解決分布在球面空間上的數(shù)據(jù)，需要特定的方法，比如球面卷積網(wǎng)絡(luò)。本文手把手帶你實(shí)踐一個(gè)有趣的應(yīng)用——全景圖像語(yǔ)義分割，使用多種傳統(tǒng)CNN方法和球面CNN方法進(jìn)行對(duì)比。
如下圖所示，全景圖分割實(shí)例像素級(jí)別分類，每種實(shí)例對(duì)應(yīng)一個(gè)標(biāo)簽。完成本教程后，你將能夠做一個(gè)圖中所示的全景圖小應(yīng)用。
文章數(shù)據(jù)集獲取與代碼地址見(jiàn)文末
1. 環(huán)境構(gòu)建
基于深度學(xué)習(xí)的編程環(huán)境往往有各種復(fù)雜的環(huán)境依賴，而各種安裝報(bào)錯(cuò)總是消磨我們的時(shí)間，其實(shí)之一過(guò)程可以大大縮短。我們所需要的也就是通過(guò)一個(gè)命令安裝所有的依賴并打開(kāi)環(huán)境
make up #等價(jià)于 docker-compose up -d
再通過(guò)一個(gè)命令
make in
來(lái)進(jìn)入我們需要的環(huán)境，然后運(yùn)行程序。為實(shí)現(xiàn)構(gòu)建這一過(guò)程，基于docker –docker-compose – make來(lái)搭建我們的環(huán)境，其原理如下圖所示：
docker –docker-compose – make三個(gè)工具對(duì)應(yīng)三個(gè)配置文件，都在項(xiàng)目根目錄進(jìn)行了聲明：
Dockerfile
docker-compose.yml
Makefile
其中
Dockerfile定義了實(shí)驗(yàn)所需要的所有環(huán)境，依據(jù)此文件可以編譯成docker鏡像，其中包含我們需要的庫(kù)docker-compose.yml定義了鏡像的啟動(dòng)方式，在本文中，我們定義兩個(gè)服務(wù)，一個(gè)作為終端來(lái)運(yùn)行命令，一個(gè)作為jupyter lab供調(diào)試Makefile定義了啟動(dòng)環(huán)境的方式
本文實(shí)驗(yàn)環(huán)境：Ubuntu20.04，CUDA11.0，Pytorch1.7
Docker安裝
# 1.安裝docker
sudo apt install -y docker docker.io
# 2.安裝英偉達(dá)docker
distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
&& curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \
&& curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update
sudo apt-get install -y nvidia-docker2
# 3.安裝docker-compose(apt常常不能安裝最新版本的docker-compose)
pip install docker-compose
# 4.解決linux下docker的權(quán)限問(wèn)題，將用戶放在docker組里
GROUPNAME=docker
getent group $GROUPNAME 2>&1 >/dev/null || groupadd $GROUPNAME
sudo usermod -aG docker $(whoami)
# 5.重啟
sudo systemctl daemon-reload
sudo systemctl restart docker
使用Docker鏡像
Docker鏡像構(gòu)建好之后，可以直接運(yùn)行docker命令啟動(dòng)鏡像，但是這樣不是最方便的。使用docker-compose搭配Makefile，具體操作如下：首先寫好docker-compose.yml啟動(dòng)文件，可參考本項(xiàng)目對(duì)應(yīng)的docker-compose.yml，接著，在Makefile里寫常見(jiàn)docker相關(guān)命令，我們將應(yīng)用分為啟動(dòng)（up）、關(guān)閉（down）、進(jìn)入容器環(huán)境（in）三個(gè)需求，Makefile如下：
up:
docker-compose up -d
down:
docker-compose down
in:
docker-compose exec spherical-env bash
本項(xiàng)目鏡像已上傳dockerhub，可以直接使用下列命令下載
docker pull qiangzibro/spherical_image_segmentation
# 或者使用下面命令自己編譯
make build
接著，一鍵完成編譯、啟動(dòng)
make up #等價(jià)于 docker-compose up -d
再通過(guò)下列命令便可以進(jìn)入終端
make in
使用docker-compose logs可以看到notebook對(duì)應(yīng)的網(wǎng)址
2. 數(shù)據(jù)獲取
使用2D-3D-S 數(shù)據(jù)集進(jìn)行本實(shí)驗(yàn)，該數(shù)據(jù)集提供了來(lái)自 2D、2.5D 和 3D 域的各種相互注冊(cè)的數(shù)據(jù)，以及實(shí)例級(jí)語(yǔ)義和幾何注釋。它收集在來(lái)自 3 座不同建筑的 6 個(gè)大型室內(nèi)區(qū)域。它包含超過(guò) 70,000 張 RGB 圖像，以及相應(yīng)的深度、表面法線、語(yǔ)義注釋、全局 XYZ 圖像（均以常規(guī)和 360° 等距柱狀圖圖像的形式）以及相機(jī)信息。它還包括注冊(cè)的原始和語(yǔ)義注釋 3D 網(wǎng)格和點(diǎn)云。
數(shù)據(jù)集從開(kāi)源數(shù)據(jù)集網(wǎng)站格物鈦獲取，這個(gè)網(wǎng)站匯總了AI開(kāi)發(fā)者常見(jiàn)的公開(kāi)數(shù)據(jù)集，用戶可以對(duì)數(shù)據(jù)集進(jìn)行可視化預(yù)覽、在線使用和下載等操作。這里我們不用下載，可以直接通過(guò)SDK讀取數(shù)據(jù)集，操作步驟如下：
a. 打開(kāi)本文對(duì)應(yīng)數(shù)據(jù)集鏈接 https://gas.graviti.cn/dataset/qiangzibro/spherical_segmentation
b. 右上角注冊(cè)登錄
c. fork數(shù)據(jù)集
d. 點(diǎn)擊網(wǎng)頁(yè)上方開(kāi)發(fā)者工具，獲取使用SDK所需的AccessKey，獲取到 AccessKey 后，將其存在項(xiàng)目根目錄的gas_key.py里。
KEY = "<Your-Key>"
然后即可以通過(guò)AccessKey可以上傳數(shù)據(jù)、讀取數(shù)據(jù)、使用數(shù)據(jù)，靈活對(duì)接模型開(kāi)發(fā)和訓(xùn)練，與數(shù)據(jù)pipeline快速集成。
e. AccessKey寫入后就可以寫代碼讀取數(shù)據(jù)了。
from PIL import Image
dataset = Dataset("DatasetName", gas)
segment = dataset[0]
for data in segment:
with data.open() as fp:
image = Image.open(fp)
width, height = image.size
image.show()3. 方法
使用多種二維CNN方法和球面卷積方法UGSCNN。
其中，二維CNN有三種：UNet、ResNet和FCN；UGSCNN[3]參考自論文《Spherical CNNs on Unstructured Grids》，下面著重看一下UGSCNN的方法。
MeshConv對(duì)卷積算子進(jìn)行定義：
class MeshConv(_MeshConv):
def __init__(self, in_channels, out_channels, mesh_file, stride=1, bias=True):
super(MeshConv, self).__init__(in_channels, out_channels, mesh_file, stride, bias)
pkl = self.pkl
if stride == 2:
self.nv_prev = pkl['nv_prev']
L = sparse2tensor(pkl['L'].tocsr()[:self.nv_prev].tocoo()) # laplacian matrix V->V
F2V = sparse2tensor(pkl['F2V'].tocsr()[:self.nv_prev].tocoo()) # F->V, #V x #F
else: # stride == 1
self.nv_prev = pkl['V'].shape[0]
L = sparse2tensor(pkl['L'].tocoo())
F2V = sparse2tensor(pkl['F2V'].tocoo())
self.register_buffer("L", L)
self.register_buffer("F2V", F2V)
def forward(self, input):
# compute gradient
grad_face = spmatmul(input, self.G)
grad_face = grad_face.view(*(input.size()[:2]), 3, -1).permute(0, 1, 3, 2) # gradient, 3 component per face
laplacian = spmatmul(input, self.L)
identity = input[..., :self.nv_prev]
grad_face_ew = torch.sum(torch.mul(grad_face, self.EW), keepdim=False, dim=-1)
grad_face_ns = torch.sum(torch.mul(grad_face, self.NS), keepdim=False, dim=-1)
grad_vert_ew = spmatmul(grad_face_ew, self.F2V)
grad_vert_ns = spmatmul(grad_face_ns, self.F2V)
feat = [identity, laplacian, grad_vert_ew, grad_vert_ns]
out = torch.stack(feat, dim=-1)
out = torch.sum(torch.sum(torch.mul(out.unsqueeze(1), self.coeffs.unsqueeze(2)), dim=2), dim=-1)
out += self.bias.unsqueeze(-1)
return out
分割網(wǎng)絡(luò)基于MeshConv算子構(gòu)建了一個(gè)Unet網(wǎng)絡(luò)：
4. 訓(xùn)練
環(huán)境構(gòu)建好后只需簡(jiǎn)單的幾個(gè)命令便可以運(yùn)行起來(lái)
再使用make in成功進(jìn)入到容器終端
基于CNN對(duì)網(wǎng)格進(jìn)行分割
cd cnns
# 基于
./run.sh UNet
# 基于FCN
./run.sh FCN8s
# 基于ResNetDUCHDC
./run.sh ResNetDUCHDC
腳本run.sh解釋
# Model choice
# ResNetDUCHDC,FCN8s,UNet
# Run example
# 1) ./run.sh
# 2) ./run.sh FCN8s
# 3) ./run.sh ResNetDUCHDC
model="${1:-UNet}"
MESHFILES=../data/mesh_files
DATADIR=../data/2d3ds_pano_small/
# create log directory
mkdir -p logs
python train.py \
--batch-size 16 \ # 訓(xùn)練批量大小
--test-batch-size 16 \ #測(cè)試批量大小
--epochs 200 \ # 訓(xùn)練epoch數(shù)量
--data_folder $DATADIR \
--mesh_folder $MESHFILES \ # 正二十面體網(wǎng)格文件位置
--fold 3 \ # K-fold交叉驗(yàn)證，k=3。將原始數(shù)據(jù)分成K組(K-Fold)，將每個(gè)子集數(shù)據(jù)分別做一次驗(yàn)證集，其余的K-1組子集數(shù)據(jù)作為訓(xùn)練集，這樣會(huì)得到K個(gè)模型。這K個(gè)模型分別在驗(yàn)證集中評(píng)估結(jié)果，最后的誤差MSE(Mean Squared Error)加和平均就得到交叉驗(yàn)證誤差。交叉驗(yàn)證有效利用了有限的數(shù)據(jù)，并且評(píng)估結(jié)果能夠盡可能接近模型在測(cè)試集上的表現(xiàn)，可以做為模型優(yōu)化的指標(biāo)使用。
--log_dir logs/log_${model}_f16_cv3_rgbd \ # 日志目錄
--decay \ # 學(xué)習(xí)率衰減
--train_stats_freq 5 \
--model ${model} \ #模型選擇
--in_ch rgbd \ # 輸入數(shù)據(jù)通道
--lr 1e-3 \ # 學(xué)習(xí)路
--feat 16 #特征層的數(shù)量
cd ugscnn
./run.sh
訓(xùn)練200個(gè)epoch后，可得如下結(jié)果：
5. 測(cè)試
使用提供的測(cè)試腳本test.sh即可進(jìn)行測(cè)試
# 基于UNet
./test.sh UNet
# 基于FCN
./test.sh FCN8s
# 基于ResNetDUCHDC
./test.sh ResNetDUCHDC
測(cè)試結(jié)果保存在當(dāng)前目錄下，命名格式為模型名+.npz，將其打開(kāi)進(jìn)行結(jié)果分析，如下所示。
全景圖實(shí)例：
結(jié)果：
總結(jié)
本文介紹了docker作為環(huán)境構(gòu)建的知識(shí)，介紹幾種基于傳統(tǒng)CNN方法和一種基于球面CNN的方法，并將上述方法在全景數(shù)據(jù)集上完成了分割任務(wù)。
數(shù)據(jù)集地址（代碼上傳在數(shù)據(jù)集討論區(qū)）：
https://gas.graviti.cn/dataset/qiangzibro/spherical_segmentation
參考資料