行车环境实时语义分割与深度估计

2. 模型

本项目在实现行车环境场景语义分割和深度估计实时解析的过程中，尝试使用了不同的模型，有复现文献中提出的网络框架TRL、也有在语义分割ICNet的基础上增加深度分支，最后自己搭建了一个轻量化的模型。

TRL

TRL（Joint Task-Recursive Learning for Semantic Segmentation and Depth Estimation）是ECCV 2018上一个同时实现语义分割和深度估计的网络。网络框架如下图所示：

TRL network整体上是一个Encoder-Decoder的结构。输入的RGB图像通过ResNet被处理成了不同尺度的特征图，这些特征图随后被输入到Decoder模块中处理得到语义信息和深度信息。在Decoder中，总共有4个语义预测分支和4个深度估计分支，二者交替进行。每一分支在进行预测时，都会综合前面已经提取的语义特征和深度特征，因为语义和深度存在一定的关系，二者特征的融合有利于提升精度。

但是在复现完论文后发现，网络的参数量高达(150)341M，发现原网络在多处对通道数为2048的特征图进行了多尺度的卷积操作，有$11,33,55，77$,因为卷积操作的参数量、计算量与卷积核尺寸、通道数成正比,$55,77$的大卷积核大大增加了参数量和计算量。先用1×1的卷积降维，再用3×3的空洞卷积替代5×5、7×7的卷积，减少了参数量，同时也提高了计算速度。

ICNet

ICNet是在PSPNet基础上改进的语义分割网络，旨在提高语义分割的速度。网络包含三个分支，不同分支上网络深度和特征图的尺寸不一样。在较小的特征图上充分提取语义信息，再和高分辨率分支提取的特征相融合补充细节信息。本项目在ICNet的基础上，在输出语义预测的模块并行增加了深度估计分支。

Decoder部分由两部分组成，第一部分是中间两个分支，用于捕捉语义信息与深度信息的共同点。两个分支分别是多尺度卷积模块（Multi-scale Convolution Module）分支和普通的卷积运算分支。两个分支输出的通道个数均为C+1,其中C个通道为语义通道，1个通道为深度通道。第二部分是旁路的两个分支，用于捕捉语义和深度各自独特的信息。多尺度卷积模块如下图所示：

模型的效果就是介绍开始贴的图示。

代码使用

项目代码获取

关注微信公众号 datayx 然后回复 语义分割 即可获取。

AI项目体验地址 https://loveai.tech

训练

• 环境：我自己使用的环境是
  • Ubuntu 16.4
  • Pytorch 1.0
  • cuda 10
  • 显卡 2080ti
• 数据准备：数据集到Cityscapes上下载,其中深度数据集需要额外发邮件申请，没法直接下载。
• 配置文件：修改配置文件config/spnet-cityscapes.yml中的内容，将数据集位置改为自己数据集的路径。
• 执行train.py即可

测试

• 修改配置文件config/spnet-cityscapes.yml中test部分模型的保存位置
• 将图像放到inputs文件夹中
• 执行demo.py文件