基於DeepLab v3的遙感圖像語義分割教程
前言
前兩個月做過一次基於Unet的遙感圖像語義分割教程，效果較差。這次選用一個稍微新一點的模型，再跑一次相同的數據集，加上遷移學習的技巧，看看效果怎么樣。
教程准備
-
開源的圖像語義分割DeepLabv3代碼（二分類）
-
DeepLabv3+基本原理（借鑒）
核心代碼
-
dataloader
數據讀取部分，最值得注意的就是images和labels的數據格式，文件讀取的方法倒是次要的，千篇一律。這里我們讀取的圖像依舊是上次的數據集，images是（3 X 256 X 256）的RGB圖像，labels是0、1、2、3...7的單通道灰度圖（256 X 256），記得讀取的時候用GRAY_SCALE模式。
數據的預處理部分，將images數據集做歸一化處理（也可再加上標准差處理），轉化成0~1的tensor；將labels轉化成long型，這里設置long是因為后面的損失函數CrossEntropyLoss需要標簽是Long的格式，如果用MSELoss的損失函數，那么用float格式，數據大小范圍不做調整，轉換成tensor即可。
-
model(transfer learning)
model用的是DeepLab v3模型，backbone是Resnet101模型。在此基礎上進行遷移學習，可以得到更好的效果。下面給出了DeepLab v3+模型的源碼，與v3大同小異，網絡結構本人不做解釋。加載完Resnet101模型的參數后，替換最后一層為新的outputchannels。
常用遷移學習代碼：
-
Training
這里的重點主要是看模型輸出的數據維度。可以看到outputs['out']是沒有經過概率化的數組，數組的維度是（batchsize X category X height X width），而label的維度是（batchsize X height X width）。在損失函數為nn.CrossEntropyLoss()的情況下，label的維度中不需要category的1維，如果有的話進行sequeeze；損失函數為nn.MSELoss的情況下，label的維度是（batchsize X 1 X height X width）。每次epoch結束，保存該過程中最好的模型參數。
這里有點疑問：nn.CrossEntropyLoss對樣本做了概率化處理再計算損失；那么nn.MSELoss呢？這個是不是二分類、多分類都可以用，是不是也對樣本做了概率化處理呢？
-
choose cost func/optimizer
除了前述的損失函數之外，這里還需要定義優化器。此外還有兩個計算指標，f1_score和accuracy_score，其中accuracy_score用來計算多類別預測中成功的百分比，roc_auc_score是二分類中使用的指標，這些方法源於sklearn.metrics。
結果
10個epoch下的結果...用的訓練集，還是不咋地。
指標變化圖
預測類型分布
結果對比
后記
-
nn.MSELoss需要了解了解，弄清楚這些損失函數做的計算處理和要求輸入的數組維度。
-
這里用了f1_score和auccracy_score兩個指標。只看了后者的，前者沒關心。
-
click庫輸入參數的方法看起來比
argparse.ArgumentParser()還簡單。 -
一般來說，還需要調整epochs/batchsize/lr/gamma來調參。
-
6G顯存不夠啊，想換新顯卡了。
-
有空介紹一下時間序列分析（RNN、LSTM）相關的模型，ConvLSTM這類圖像時序模型看起來挺有意思的，看看能不能找到源碼吧。