如何实现多类语义分割？答案

【问题标题】：How to implement multi-class semantic segmentation?如何实现多类语义分割？
【发布时间】：2017-10-09 13:17:25
【问题描述】：

我能够使用具有二元分类的标记图像训练 U-net。

但我很难弄清楚如何在 Keras/Theano 中为多类分类（4 类）配置最终层。

我有 634 张图像和对应的 634 个掩码，它们是 unit8 和 64 x 64 像素。

我的面具不是黑色 (0) 和白色 (1)，而是在 3 个类别和背景中使用颜色标记的对象，如下所示：

黑色 (0)，背景
红色 (1)，对象等级 1
绿色 (2)，对象等级 2
黄色 (3)，对象等级 3

在训练运行之前，包含掩码的数组被 one-hot 编码如下：

mask_train = to_categorical(mask_train, 4)

这使得mask_train.shape 从(634, 1, 64, 64) 变为(2596864, 4)。

我的模型严格遵循 Unet 架构，但最后一层似乎有问题，因为我无法展平结构以匹配 one-hot 编码数组。

[...]
up3 = concatenate([UpSampling2D(size=(2, 2))(conv7), conv2], axis=1)
conv8 = Conv2D(128, (3, 3), activation='relu', padding='same')(up3)
conv8 = Conv2D(128, (3, 3), activation='relu', padding='same')(conv8)

up4 = concatenate([UpSampling2D(size=(2, 2))(conv8), conv1], axis=1)
conv9 = Conv2D(64, (3, 3), activation='relu', padding='same')(up4)
conv10 = Conv2D(64, (3, 3), activation='relu', padding='same')(conv9)

# here I used number classes = number of filters and softmax although
# not sure if a dense layer should be here instead
conv11 = Conv2D(4, (1, 1), activation='softmax')(conv10)

model = Model(inputs=[inputs], outputs=[conv11])

# here categorical cross entropy is being used but may not be correct
model.compile(optimizer='sgd', loss='categorical_crossentropy',
              metrics=['accuracy'])

return model

您对如何修改模型的最后部分以便成功训练有什么建议吗？我得到了各种形状不匹配的错误，并且几次我设法让它运行，损失在整个 epoch 中都没有改变。

【问题讨论】：

标签： python machine-learning deep-learning keras image-segmentation

【解决方案1】：

如果您使用的是 channels_first，您的目标应该是 (634,4,64,64)。
或者 (634,64,64,4) 如果是 channels_last。

你的目标的每个频道都应该是一个类。每个通道都是 0 和 1 的图像，其中 1 表示像素是该类，0 表示像素不是该类。

然后，您的目标是 634 个组，每组包含四个图像，每个图像具有 64x64 像素，其中像素 1 表示存在所需的特征。

我不确定结果是否会正确排序，但您可以尝试：

mask_train = to_categorical(mask_train, 4)
mask_train = mask_train.reshape((634,64,64,4)) 
#I chose channels last here because to_categorical is outputing your classes last: (2596864,4)

#moving the channel:
mask_train = np.moveaxis(mask_train,-1,1)

如果排序不正常，您可以手动进行：

newMask = np.zeros((634,4,64,64))

for samp in range(len(mask_train)):
    im = mask_train[samp,0]
    for x in range(len(im)):
        row = im[x]
        for y in range(len(row)):
            y_val = row[y]
            newMask[samp,y_val,x,y] = 1

【讨论】：

我使用的是 Theano 后端，所以这意味着通道优先——你认为我模型中的最后一层看起来正确吗？
定义通道是第一个还是最后一个是“keras”，而不是 theano。默认是最后一个频道。
是的，但是我在 .keras.json 中为 Theano 正确设置了 Keras，所以我的关注点转向了模型，因为我不确定在最后阶段应该如何塑造它跨度>
要查看最后一层是否正常，请执行model.summary() 并查看其输出是否为(None,64,64,4)。这似乎是正确的，因为你有 4 个过滤器，它会给你四个通道，但我不能说卷积会导致 (64,64)。如果你在所有层都使用padding = 'same'，包括最后一层，应该没问题。
有趣的想法，谢谢—.summary() 显示 (None, 4, 64, 64) 用于最后一层...

【解决方案2】：

有点晚了，但你应该试试

mask_train = to_categorical(mask_train, num_classes=None)

这将为mask_train.shape 生成(634, 4, 64, 64)，并为每个单独的类生成一个二进制掩码（单热编码）。

最后一个卷积层、激活和损失看起来很适合多类分割。

【讨论】：