语义分割-1：FCN全卷积网络的语义分割实现

论文：

Fully
convolutional networks for semantic segmentation

   链接：http://xueshu.baidu.com/swd=paperuri%3A%28c76cbf802fc633294315697571af911e%29&filter=sc_long_sign&sc_ks_para=q%3DFully%20convolutional%20networks%20for%20semantic%20segmentation&sc_us=15596225971582300052&tn=SE_baiduxueshu_c1gjeupa&ie=utf-8

   由于条件限制，我的运行方式是caffe cpu模式。

        首先，你需要准备算法实现的基本文件，网上一般会有下载，在github上由公布的开源代码，你可以搜索一下，这里我只介绍一下我在实现过程中遇到的问题。在你下载的文件中，我实现的是voc-fcn8s，还有16s,32s，你可以查一下他们的区别，这是由于输入图片缩小32倍造成的，至于为什么缩小32倍，这是由于stride的步长设置引起的。

        在实现过程，需要修改的是infer.py，修改后如下：

import numpy as np

from PIL import Image

import matplotlib.pyplot as plt

import caffe

# load image, switch to BGR, subtract mean, and make dims C x H x W for Caffe

im = Image.open('voc-fcn8s/images/1.jpeg')

in_ = np.array(im, dtype=np.float32)

in_ = in_[:,:,::-1]

in_ -= np.array((104.00698793,116.66876762,122.67891434))

in_ = in_.transpose((2,0,1))

# load net

net = caffe.Net('voc-fcn8s/deploy.prototxt', 'voc-fcn8s/fcn8s-heavy-pascal.caffemodel', caffe.TEST)

# shape for input (data blob is N x C x H x W), set data

net.blobs['data'].reshape(1, *in_.shape)

net.blobs['data'].data[...] = in_

# run net and take argmax for prediction

net.forward()

out = net.blobs['score'].data[0].argmax(axis=0)

plt.imshow(out,cmap='gray');

plt.axis('off')

plt.savefig('voc-fcn8s/images/test.png')

一般修改的地方图片获取路径，网络路径，以及最后的存储路径，

结果如下：


 


可以看出效果并不是很好，

我遇到的问题有：

1、出现×ptr host，，，我理解的意思是内存不够，于是我把需要分割的图片变小，这样就成功了，另外一个你也可以尝试将deploy.prototxt里面数据层中输入的尺寸由500x500改小一点，这样也会成功，多尝试一下。

2、有可能电脑会被卡住，这样也可以按照第一步修改。

3、有可能出现与caffe编译相关的问题，这就是caffe问题了，可以单纯去查caffe安装。

4、第一个问题中如果将图片调整的过小，有可能效果很差而且甚至出现检测不到，出来的效果全部是黑色的，所以还是建议如果用cpu做这个实验，配置还是高一些。

最后：

在语义分割方面，fcn全卷积应该是深度学习之后出现的最好的一个方法，但是仍旧不能满足需要，因此，后续还有很多方法。我们需要一个一个去尝试实现，看效果。