详解ENet | CPU可以实时的道路分割网络

2020-08-24 09:52:06 浏览数 (1)

微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识

前言

OpenCV DNN模块支持的图像语义分割网络FCN是基于VGG16作为基础网络，运行速度很慢，无法做到实时语义分割。2016年提出的ENet实时语义分割网络基于编码与解码的网络语义分割方式，类似UNet网络，通过构建自定义Block块，在Cityscapes, CamVid, SUN数据集上实现了性能与实时双提高。

ENet网络结构

作者从ResNet网络结构设计中收到启发，定义两个新的Block结构，如下：

其中a是初始Block，非重叠2x2最大池化，左侧卷积步长为2，然后13个filters之连接合并，该结构注意是收到了Inception改进模型的启发。B是ENet的bottleneck模块，其中卷积可能是正常卷积、空洞卷积、反卷积，使用3x3或者5x5的filters，最终合并在一起是按空间位置相加。两个1x1的卷积分别用来降低维度与扩展，使用BN/Dropout正则化，PReLU非线性激活。最终的ENet网络模型结构如下：

其中stage2跟stage3结构相同，stage4跟stage5属于解码部分。

设计考量

常见的深度学习语义分割模型在下采样操作上的两个缺点：一是降低Feature Map的分辨率会导致图像空间信息损失，特别是图像边缘信息，这个对语义分割精度有明显影响；二是像素级别的语义分割网络要求输入跟输出的分辨率保持一致，这个就要求强的下采样跟强的上采样必须对称，这个增加了模型的计算与参数量。其中第一个问题在FCN与SegNet网络中通过在编码阶段叠加Feature Map与在解码阶段通过稀疏上采样来抑制，但是强的下采样依然对整个语义分割精度有伤害，要在设计时候适当的加以限制。

但是下采样同样可以帮助获得较大的感受野，区分不同的类别，作者发现空洞卷积在这个方面特别有帮助，ENet为了获得实时性能，采用了早期下采样策略来降低计算SegNet跟UNet都是对称的网络结构，ENet采用大的编码网络，小的解码网络实现的不对称结构，编码网络实现分类任务，解码网络主要是优化细节，更好的输出结果。

此外作者在设计过程中还考虑了非线性激活、空洞卷积、正则化方式的影响。

数据对比实验

最终模型与SegNet的对比实验结果如下：

速度性能

参数总量与模型大小

精度对比

OpenCV DNN使用ENet道路分割

OpenCV DNN模块从OpenCV4.0版本开始支持ENet网络模型加载与解析，其中的道路分割模型可以从下面的地址下载：

代码语言：javascript复制
https://github.com/e-lab/ENet-training

在OpenCV DNN使用该模型时转换Blob输入相关参数信息如下：

  • mean: [0, 0, 0]
  • scale: 0.00392
  • width: 512
  • height: 256
  • rgb: true
  • classes: "enet-classes.txt"

其中分类文件enet-classes.txt可以从OpenCV的sample/data/dnn中发现。输出的数据格式为:Nx20xHxW，其中N=1表示每次输入的一张图像，20是基于Cityscapes数据集训练的20个类别标签，H跟W是输入时图像分辨率（512x256）。

01

最初版本代码实现

该代码实现是来自C 版本的翻译，完整的演示代码如下：

代码语言：javascript复制
# load CNN model
bin_model = "D:/projects/models/enet/model-best.net";
net = cv.dnn.readNetFromTorch(bin_model)
# read input data
frame = cv.imread("D:/images/software.jpg");
blob = cv.dnn.blobFromImage(frame, 0.00392, (512, 256), (0, 0, 0), True, False);
cv.imshow("input", frame)

# Run a model
net.setInput(blob)
score = net.forward()
# Put efficiency information.
t, _ = net.getPerfProfile()
label = 'Inference time: %.2f ms' % (t * 1000.0 / cv.getTickFrequency())
print(score.shape)

# generate color table
color_lut = []
n, con, h, w = score.shape
for i in range(con):
    b = np.random.randint(0, 256)
    g = np.random.randint(0, 256)
    r = np.random.randint(0, 256)
    color_lut.append((b, g, r))

maxCl = np.zeros((h, w), dtype=np.int32);
maxVal = np.zeros((h, w), dtype=np.float32);

# find max score for 20 channels on pixel-wise
for i in range(con):
    for row in range(h):
        for col in range(w):
            t = maxVal[row, col]
            s = score[0, i, row, col]
            if s > t:
                maxVal[row, col] = s
                maxCl[row, col] = i

# colorful the segmentation image
segm = np.zeros((h, w, 3), dtype=np.uint8)
for row in range(h):
    for col in range(w):
        index = maxCl[row, col]
        segm[row, col] = color_lut[index]

h, w = frame.shape[:2]
segm = cv.resize(segm, (w, h), None, 0, 0, cv.INTER_NEAREST)
print(segm.shape, frame.shape)
frame = cv.addWeighted(frame, 0.2, segm, 0.8, 0.0)
cv.putText(frame, label, (0, 15), cv.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0))
cv.imshow("ENet-Demo", frame)
cv.imwrite("D:/result.png", frame)
cv.waitKey(0)
cv.destroyAllWindows()

总的来说比较啰嗦！

02

修改后代码熟实现

上面是我在2019年3月份时候在 OpenCV研习社 的代码分享，当时主要是把C 代码直接翻译过来，并没有太多考虑，今天又重新看了一下感觉自己写了点垃圾代码，所以重新整理了一下，把输出解析的部分基于Numpy跟OpenCV-Python函数做了简化，最终得到的代码如下：

代码语言：javascript复制
# load CNN model
bin_model = "D:/projects/models/enet/model-best.net";
net = cv.dnn.readNetFromTorch(bin_model)
# read input data
frame = cv.imread("D:/images/spacecity.png");
blob = cv.dnn.blobFromImage(frame, 0.00392, (512, 256), (0, 0, 0), True, False);
cv.imshow("input", frame)
h, w, c = frame.shape

# Run a model
net.setInput(blob)
score = net.forward()
# Put efficiency information.
t, _ = net.getPerfProfile()
label = 'Inference time: %.2f ms' % (t * 1000.0 / cv.getTickFrequency())
score = np.squeeze(score)
score = score.transpose((1, 2, 0))
score = np.argmax(score, 2)
mask = np.uint8(score)
mask = cv.cvtColor(mask, cv.COLOR_GRAY2BGR)
cv.normalize(mask, mask, 0, 255, cv.NORM_MINMAX)
cmask = cv.applyColorMap(mask, cv.COLORMAP_JET)
cmask = cv.resize(cmask, (w, h))
dst = cv.addWeighted(frame, 0.7, cmask, 0.3, 0)
cv.putText(dst, label, (50, 50), cv.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)
cv.imshow("dst", dst)
cv.waitKey(0)

运行结果如下：

总的执行时间也大大减少，主要去除了一些无谓的循环解析输出数据部分。CPU上10 FPS 应该没问题！实时get！

善始者实繁

克终者盖寡

推荐阅读

OpenCV4系统化学习路线图-视频版本！

OpenCV单应性矩阵发现参数估算方法详解

单应性矩阵应用-基于特征的图像拼接

OpenCV图像拼接改进算法之完美拼接

OpenCV | 二值图像分析的技巧都在这里

OpenCV二值图像分析之形态学应用技巧

图像色彩空间与应用转换

五分钟学会C 高效图表绘制神器调用

没想到图像直方图有这么多应用场景

基于灰度共生矩阵(GLCM)的图像纹理分析与提取

OpenCV中一个最容易搞错的形态学操作

OpenCV实现皮肤表面粗糙度3D显示

解密 | OpenCV加载图像大小是有限制的 ？

OpenCV中ORB特征提取与匹配

OpenCV SIFT特征算法详解与使用

HOG特征详解与行人检测

OpenCV4.4 YOLOv4 真的可以运行了…..

opencv c++

0 人点赞