Fast Segmentation Convolutional Neural Network (Fast- scnn)是一種針對高分辨率圖像數(shù)據(jù)的實時語義分割模型，適用于低內(nèi)存嵌入式設(shè)備上的高效計算。原論文的作者是：Rudra PK Poudel, Stephan Liwicki and Roberto Cipolla。本文中使用的代碼并不是作者的正式實現(xiàn)，而是我對論文中描述的模型的重構(gòu)的嘗試。

隨著自動駕駛汽車的興起，迫切需要一種能夠?qū)崟r處理輸入的模型。目前已有一些最先進的離線語義分割模型，但這些模型體積大，內(nèi)存大，計算量大，F(xiàn)ast-SCNN可以解決這些問題。

Fast-SCNN的一些關(guān)鍵方面是：

1. 在高分辨率圖像(1024 x 2048px)上的實時分割
2. 得到準確率為68%的平均IOU
3. 在Cityscapes數(shù)據(jù)集上每秒處理123.5幀
4. 不需要大量的預(yù)訓練
5. 結(jié)合高分辨率的空間細節(jié)和低分辨率提取的深度特征

此外，F(xiàn)ast-SCNN使用流行的技術(shù)中最先進的模型來保證上述性能，像用在PSPNet中的金字塔池模塊PPM，使用反向殘余瓶頸層是用于MobileNet V2中用的反向殘差Bottleneck層，以及ContextNet中的特征融合模塊等。同時利用從低分辨率數(shù)據(jù)中提取的深度特征和從高分辨率數(shù)據(jù)中提取的空間細節(jié)，確保更好、更快的分割。

現(xiàn)在讓我們開始 Fast-SCNN的探索和實現(xiàn)。Fast-SCNN由4個主要構(gòu)件組成。它們是：

1. 學習下采樣
2. 全局特征提取器
3. 特征融合
4. 分類器

1. 學習下采樣

到目前為止，我們知道深度卷積神經(jīng)網(wǎng)絡(luò)的前幾層提取圖像的邊緣和角點等底層特征。因此，為了充分利用這一特征并使其可用于進一步的層次，需要學習向下采樣。它是一種粗糙的全局特征提取器，可以被網(wǎng)絡(luò)中的其他模塊重用和共享。

學習下采樣模塊使用3層來提取這些全局特征。分別是：Conv2D層，然后是2個深度可分離的卷積層。在實現(xiàn)過程中，在每個Conv2D和深度可分離的Conv層之后，使用一個Batchnorm層和Relu激活，因為通常在這些層之后引入Batchnorm和激活是一種標準實踐。這里，所有3個層都使用2的stride和3x3的內(nèi)核大小。

現(xiàn)在，讓我們首先實現(xiàn)這個模塊。首先，我們安裝Tensorflow 2.0。我們可以簡單地使用谷歌Colab并開始我們的實現(xiàn)。你可以簡單地使用以下命令安裝：

!pip?install?tensorflow-gpu==2.0.0

這里，' -gpu '說明我的谷歌Colab筆記本使用GPU，而在你的情況下，如果你不喜歡使用它，你可以簡單地刪除' -gpu '，然后Tensorflow安裝將利用系統(tǒng)的cpu。

然后導入Tensorflow：

import?tensorflow?as?tf

現(xiàn)在，讓我們首先為我們的模型創(chuàng)建輸入層。在Tensorflow 2.0使用TF.Keras的高級api，我們可以這樣：

input_layer?=?tf.keras.layers.Input(shape=(2048,?1024,?3),?name?=?'input_layer')

這個輸入層是我們要構(gòu)建的模型的入口點。這里我們使用Tf.Keras函數(shù)的api。使用函數(shù)api而不是序列api的原因是，它提供了構(gòu)建這個特定模型所需的靈活性。

接下來，讓我們定義學習下采樣模塊的層。為此，為了使過程簡單和可重用，我創(chuàng)建了一個自定義函數(shù)，它將檢查我想要添加的層是一個Conv2D層還是深度可分離層，然后檢查我是否想在層的末尾添加relu。使用這個代碼塊使得卷積的實現(xiàn)在整個實現(xiàn)過程中易于理解和重用。

def?conv_block(inputs,?conv_type,?kernel,?kernel_size,?strides,?padding='same',?relu=True):
??
??if(conv_type?==?'ds'):
????x?=?tf.keras.layers.SeparableConv2D(kernel,?kernel_size,?padding=padding,?strides?=?strides)(inputs)
??else:
????x?=?tf.keras.layers.Conv2D(kernel,?kernel_size,?padding=padding,?strides?=?strides)(inputs)??
??
??x?=?tf.keras.layers.BatchNormalization()(x)
??
??if?(relu):
????x?=?tf.keras.activations.relu(x)
??
??return?x

在TF.Keras中，Convolutional layer定義為tf.keras.layers，深度可分離層為tf.keras.layers.SeparableConv2D。

現(xiàn)在，讓我們通過使用適當?shù)膮?shù)來調(diào)用自定義函數(shù)來為模塊添加層：

lds_layer?=?conv_block(input_layer,?'conv',?32,?(3,?3),?strides?=?(2,?2))
lds_layer?=?conv_block(lds_layer,?'ds',?48,?(3,?3),?strides?=?(2,?2))
lds_layer?=?conv_block(lds_layer,?'ds',?64,?(3,?3),?strides?=?(2,?2))

2. 全局特征提取器

這個模塊的目的是為分割捕獲全局上下文。它直接獲取從學習下采樣模塊的輸出。在這一節(jié)中，我們引入了不同的bottleneck 殘差塊，并引入了一個特殊的模塊，即金字塔池化模塊(PPM)來聚合不同的基于區(qū)域的上下文信息。

讓我們從bottleneck 殘差塊開始。

以上是本文對bottleneck殘差塊的描述。與上面類似，現(xiàn)在讓我們使用tf.keras高級api來實現(xiàn)。

我們首先根據(jù)上表的描述自定義一些函數(shù)。我們從殘差塊開始，它將調(diào)用我們的自定義conv_block函數(shù)來添加Conv2D，然后添加DepthWise Conv2D層，然后point-wise卷積層，如上表所述。然后將point-wise卷積的最終輸出與原始輸入相加，使其成為殘差。

def?_res_bottleneck(inputs,?filters,?kernel,?t,?s,?r=False):
????
????tchannel?=?tf.keras.backend.int_shape(inputs)[-1]?*?t

????x?=?conv_block(inputs,?'conv',?tchannel,?(1,?1),?strides=(1,?1))

????x?=?tf.keras.layers.DepthwiseConv2D(kernel,?strides=(s,?s),?depth_multiplier=1,?padding='same')(x)
????x?=?tf.keras.layers.BatchNormalization()(x)
????x?=?tf.keras.activations.relu(x)

????x?=?conv_block(x,?'conv',?filters,?(1,?1),?strides=(1,?1),?padding='same',?relu=False)

????if?r:
????????x?=?tf.keras.layers.add([x,?inputs])
????return?x

這個bottleneck殘差塊在架構(gòu)中被多次添加，添加的次數(shù)由表中的' n '參數(shù)表示。因此，根據(jù)本文描述的架構(gòu)，為了添加n次，我們引入了另一個自定義函數(shù)來完成這個任務(wù)。

![1_xO4huN3z718VyT6fG73PjQ](Fast-SCNN?explained?and?implemented?using?Tensorflow?2.0.assets/1_xO4huN3z718VyT6fG73PjQ.png)def?bottleneck_block(inputs,?filters,?kernel,?t,?strides,?n):
??x?=?_res_bottleneck(inputs,?filters,?kernel,?t,?strides)
??
??for?i?in?range(1,?n):
????x?=?_res_bottleneck(x,?filters,?kernel,?t,?1,?True)

??return?x

gfe_layer?=?bottleneck_block(lds_layer,?64,?(3,?3),?t=6,?strides=2,?n=3)
gfe_layer?=?bottleneck_block(gfe_layer,?96,?(3,?3),?t=6,?strides=2,?n=3)
gfe_layer?=?bottleneck_block(gfe_layer,?128,?(3,?3),?t=6,?strides=1,?n=3)

在這里，你會注意到這些bottleneck塊的第一個輸入來自學習下采樣模塊的輸出。這個全局特征提取器部分的最后一塊是金字塔池化模塊，簡稱PPM。

PPM使用上個卷積層出來的特征圖，然后應(yīng)用多個子區(qū)域平均池化和以及上采樣函數(shù)來得到不同的子區(qū)域的特征表示，然后連接在一起，這樣就帶有了本地和全局上下文的信息，可以讓圖像的分割過程更準確。

使用TF.Keras來實現(xiàn)，我們使用了另外一個自定義函數(shù)：

def?pyramid_pooling_block(input_tensor,?bin_sizes):
??concat_list?=?[input_tensor]
??w?=?64
??h?=?32

??for?bin_size?in?bin_sizes:
????x?=?tf.keras.layers.AveragePooling2D(pool_size=(w//bin_size,?h//bin_size),?strides=(w//bin_size,?h//bin_size))(input_tensor)
????x?=?tf.keras.layers.Conv2D(128,?3,?2,?padding='same')(x)
????x?=?tf.keras.layers.Lambda(lambda?x:?tf.image.resize(x,?(w,h)))(x)

????concat_list.append(x)

??return?tf.keras.layers.concatenate(concat_list)

我們添加這個PPM模塊，它將從最后一個bottleneck塊獲取輸入。

gfe_layer?=?pyramid_pooling_block(gfe_layer,?[2,4,6,8])

這里的第二個參數(shù)是要提供給PPM模塊的bin的數(shù)量，這里使用的bin的數(shù)量是按照論文中描述的一樣。這些bin用于在不同的子區(qū)域進行AveragePooling ，如上面的自定義函數(shù)所述。

3. 特征融合

在這個模塊中，兩個輸入相加以更好地表示分割。第一個是從學習下采樣模塊中提取的高級特征，這個學習下采樣模塊先進行point-wise卷積，再加入到第二個輸入中。這里在point-wise卷積的最后沒有進行激活。

ff_layer1?=?conv_block(lds_layer,?'conv',?128,?(1,1),?padding='same',?strides=?(1,1),?relu=False)

第二個輸入是全局特征提取器的輸出。但在加入第二個輸入之前，它們首先進行上采樣(4,4)，然后進行DepthWise卷積，最后是另一個point-wise卷積。在point-wise卷積輸出中不添加激活，激活是在這兩個輸入相加后引入的。

這是使用TF.Keras實現(xiàn)的低分辨率操作：

ff_layer2?=?tf.keras.layers.UpSampling2D((4,?4))(gfe_layer)
ff_layer2?=?tf.keras.layers.DepthwiseConv2D(128,?strides=(1,?1),?depth_multiplier=1,?padding='same')(ff_layer2)
ff_layer2?=?tf.keras.layers.BatchNormalization()(ff_layer2)
ff_layer2?=?tf.keras.activations.relu(ff_layer2)
ff_layer2?=?tf.keras.layers.Conv2D(128,?1,?1,?padding='same',?activation=None)(ff_layer2)

現(xiàn)在，讓我們將這兩個輸入添加到特征融合模塊中。

ff_final?=?tf.keras.layers.add([ff_layer1,?ff_layer2])
ff_final?=?tf.keras.layers.BatchNormalization()(ff_final)
ff_final?=?tf.keras.activations.relu(ff_final)

4. 分類器

在分類器部分，引入了2個深度可分離的卷積層和1個Point-wise的卷積層。在每個層之后，還進行了BatchNorm層和ReLU激活。

這里需要注意的是，在原論文中，沒有提到在point-wise卷積層之后添加上采樣和Dropout層，但在本文的后面部分描述了這些層是在 point-wise卷積層之后添加的。因此，在實現(xiàn)過程中，我也按照論文的要求引入了這兩層。

在根據(jù)最終輸出的需要進行上采樣之后，SoftMax將作為最后一層的激活。

classifier?=?tf.keras.layers.SeparableConv2D(128,?(3,?3),?padding='same',?strides?=?(1,?1),?name?=?'DSConv1_classifier')(ff_final)
classifier?=?tf.keras.layers.BatchNormalization()(classifier)
classifier?=?tf.keras.activations.relu(classifier)

classifier?=?tf.keras.layers.SeparableConv2D(128,?(3,?3),?padding='same',?strides?=?(1,?1),?name?=?'DSConv2_classifier')(classifier)
classifier?=?tf.keras.layers.BatchNormalization()(classifier)
classifier?=?tf.keras.activations.relu(classifier)

classifier?=?conv_block(classifier,?'conv',?19,?(1,?1),?strides=(1,?1),?padding='same',?relu=True)

classifier?=?tf.keras.layers.Dropout(0.3)(classifier)

classifier?=?tf.keras.layers.UpSampling2D((8,?8))(classifier)
classifier?=?tf.keras.activations.softmax(classifier)

編譯模型

現(xiàn)在我們已經(jīng)添加了所有的層，讓我們創(chuàng)建最終的模型并編譯它。為了創(chuàng)建模型，如上所述，我們使用了來自TF.Keras的函數(shù)api。這里，模型的輸入是學習下采樣模塊中描述的初始輸入層，輸出是最終分類器的輸出。

fast_scnn?=?tf.keras.Model(inputs?=?input_layer?,?outputs?=?classifier,?name?=?'Fast_SCNN')

現(xiàn)在，讓我們用優(yōu)化器和損失函數(shù)來編譯它。在原論文中，作者在訓練過程中使用了動量值為0.9，批大小為12的SGD優(yōu)化器。他們還在學習率策略中使用了多項式學習率，base值為0.045，power為0.9。為了簡單起見，我在這里沒有使用任何學習率策略，但如果需要，你可以自己添加。此外，在編譯模型時從ADAM optimizer開始總是一個好主意，但是在這個CityScapes dataset的特殊情況下，作者只使用了SGD。但在一般情況下，最好從ADAM optimizer開始，然后根據(jù)需要轉(zhuǎn)向其他不同的優(yōu)化器。對于損失函數(shù)，作者使用了交叉熵損失，在實現(xiàn)過程中也使用了交叉熵損失。

optimizer?=?tf.keras.optimizers.SGD(momentum=0.9,?lr=0.045)
fast_scnn.compile(loss='categorical_crossentropy',?optimizer=optimizer,?metrics=['accuracy'])

在本文中，作者使用CityScapes數(shù)據(jù)集中的19個類別進行訓練和評價。通過這個實現(xiàn)，你可以根據(jù)特定項目所需的任意數(shù)量的輸出進行調(diào)整。

下面是一些Fast-SCNN的驗證結(jié)果，與輸入圖像和ground truth進行了比較。