基于飞桨复现语义分割网络HRNet，实现瓷砖缺陷检测

点击左上方蓝字关注我们

【飞桨开发者说】路星奎，沈阳化工大学信息工程学院研究生在读，PPDE飞桨开发者技术专家，研究方向为图像分类、目标检测、图像分割等

内容简介

本项目讲述了HRNet网络结构，并尝试使用PaddleSeg中HRNet网络实现瓷砖缺陷检测

PaddleSeg GitHub：

https://github.com/PaddlePaddle/PaddleSeg

本文包含以下4部分内容：

PaddleSeg介绍
HRNet网络分析
基于PaddleSeg使用HRNet网络进行瓷砖缺陷检测

PaddleSeg介绍

PaddleSeg是基于PaddlePaddle开发的图像分割开发套件，覆盖了DeepLabv3+、U-Net、ICNet、PSPNet、HRNet、Fast-SCNN等主流分割网络。通过模块化的设计，以配置化方式驱动模型组合，帮助开发者更便捷地完成从训练到部署的全流程图像分割应用。

PaddleSeg产品特点：

1. 丰富的数据增强：基于百度视觉技术部的实际业务经验，内置10+种数据增强策略，可结合实际业务场景进行定制组合，提升模型泛化能力和鲁棒性。

2. 模块化设计：支持DeepLabv3+、U-Net、ICNet、PSPNet、HRNet、Fast-SCNN六种主流分割网络，结合预训练模型和可调节的骨干网络，满足不同性能和精度的要求；选择不同的损失函数如Dice Loss, Lovasz Loss等方式可以强化小目标和不均衡样本场景下的分割精度。

3. 高性能：PaddleSeg支持多进程I/O、多卡并行等训练加速策略，结合飞桨核心框架的显存优化功能，可大幅度减少分割模型的显存开销，让开发者更低成本、更高效地完成图像分割训练。

4. 工业级部署：全面提供服务端和移动端的工业级部署能力，依托飞桨高性能推理引擎和高性能图像处理实现，开发者可以轻松完成高性能的分割模型部署和集成。通过Paddle-Lite，可以在移动设备或者嵌入式设备上完成轻量级、高性能的人像分割模型部署。

5. 产业实践案例：PaddleSeg提供丰富地产业实践案例，如人像分割、工业表计检测、遥感分割、人体解析，工业质检等产业实践案例，助力开发者更便捷地落地图像分割技术。

HRNet网络分析

论文名称：

High-Resolution Representations for Labeling Pixels and Regions

下载地址：

https://arxiv.org/pdf/1904.04514.pdf

网络整体结构：

如上图所示HRNet有四个并行的分支，包含三次下采样过程。值得注意的是，上图中的输入是以原始输入的1/4开始的，即先经历了2次步长为2的3×3卷积。

HRNet网络结构特点：

始终保持高分辨率表征

从网络整体结构可以看出，每次产生低分辨率特征图之后，原有的高分辨特征还会参与到后续的卷积过程，因此产生了并行的不同分辨率的特征图。

残差单元

图中的直箭头代表残差单元，残差单元由4个残差卷积（1×1、3×3、1×1）构成。

类似全连接的阶段性特征融合

每经过4个残差单元之后会进行一次不同分辨率的特征融合。低分辨率上采样与高分辨率融合，高分辨率下采样与低分辨率融合，最终形成类似于全连接形式的特征融合过程。

简单明了的解码过程

如下图所示，解码过程显得很轻巧，将四个阶段产生的不同分辨率的特征图直接上采样至输入的1/4，经过1次1*1卷积整合各通道的信息，然后进行预测分类，最后上采样至原图大小进行损失计算。

关键性代码：

以下展示了网络搭建过程中重要的方法及注释。

    #获取各阶段的通道数{18,36,72，144}channels_2 = cfg.MODEL.HRNET.STAGE2.NUM_CHANNELSchannels_3 = cfg.MODEL.HRNET.STAGE3.NUM_CHANNELSchannels_4 = cfg.MODEL.HRNET.STAGE4.NUM_CHANNELS#获取各阶段残差单元的循环次数{1,4,3}num_modules_2 = cfg.MODEL.HRNET.STAGE2.NUM_MODULESnum_modules_3 = cfg.MODEL.HRNET.STAGE3.NUM_MODULESnum_modules_4 = cfg.MODEL.HRNET.STAGE4.NUM_MODULES #步长为2的跨步卷积 f=3*3x = conv_bn_layer(input=input,filter_size=3,num_filters=64,stride=2,if_act=True,name='layer1_1')#步长为2的跨步卷积 f=3*3x = conv_bn_layer(input=x,filter_size=3,num_filters=64,stride=2,if_act=True,name='layer1_2')#执行1个残差单元la1 = layer1(x, name='layer2')#根据输入中最低分辨率特征图生成低分辨率特征图，并规范特征图的通道数tr1 = transition_layer([la1], [256], channels_2, name='tr1')#执行4次残差卷积，并在每次残差单元结束时进行特征融合st2 = stage(tr1, num_modules_2, channels_2, name='st2')#根据输入中最低分辨率特征图生成低分辨率特征图，并规范特征图的通道数tr2 = transition_layer(st2, channels_2, channels_3, name='tr2')#执行3次残差卷积，并在每次残差单元结束时进行特征融合st3 = stage(tr2, num_modules_3, channels_3, name='st3')#根据输入中最低分辨率特征图生成低分辨率特征图，并规范特征图的通道数tr3 = transition_layer(st3, channels_3, channels_4, name='tr3')#执行1次残差卷积，并在每次残差单元结束时进行特征融合st4 = stage(tr3, num_modules_4, channels_4, name='st4')shape = st4[0].shape##获取st4[0]宽高，并进行双线性插值height, width = shape[-2], shape[-1]st4[1] = fluid.layers.resize_bilinear(st4[1], out_shape=[height, width])st4[2] = fluid.layers.resize_bilinear(st4[2], out_shape=[height, width])st4[3] = fluid.layers.resize_bilinear(st4[3], out_shape=[height, width])#特征通道合并out = fluid.layers.concat(st4, axis=1)#求总通道数last_channels = sum(channels_4)#使用1*1卷积进行跨通道的特征融合out = conv_bn_layer(input=out,filter_size=1,num_filters=last_channels,stride=1,if_act=True,name='conv-2')#使用1*1卷积进行最后的像素分类       out = fluid.layers.conv2d(input=out,num_filters=num_classes,filter_size=1,stride=1,padding=0,act=None,param_attr=ParamAttr(initializer=MSRA(), name='conv-1_weights'),bias_attr=False)#恢复至网络输入的大小out = fluid.layers.resize_bilinear(out, input.shape[2:])

网络的整理流程与细节如下所示：

网络过程中特征的维度变化如下所示：

基于PaddleSeg使用HRNet进行瓷砖缺陷检测

1. 数据准备

表面缺陷检测是筛选不合格产品的核心过程，但该过程很少能自动完成。
据记载，在世界上最大的瓷砖生产基地浙江省的瓷砖厂，有近3/4的工人在检查产品质量。
为了减轻人类的劳动强度，已经提出了许多图像处理技术来尝试这样的检查任务。
瓷砖的自动损伤检测存在纹理复杂、缺陷形状多样、瓷砖光照条件随机性等几个瓶颈问题。
目标缺陷如气孔、裂纹、断裂、磨损如图所示。

2. 环境搭建

环境要求：

PaddlePaddle >= 1.7.0

Python >= 3.5+

由于图像分割模型计算开销大，推荐在GPU版本的PaddlePaddle下使用PaddleSeg

pip install -U paddlepaddle-gpu

安装过程

安装PaddleSeg套件：

git clone https://github.com/PaddlePaddle/PaddleSeg

安装PaddleSeg依赖：

cd PaddleSeg
pip install -r requirements.txt

3. 标签数据

PaddleSeg采用单通道的标注图片，每一种像素值代表一种类别，像素标注类别需要从0开始递增，例如0，1，2，3表示有4种类别。3. 标签数据

NOTE:

标注图像请使用PNG无损压缩格式的图片，标注类别最多为256类。
PaddleSeg支持灰度标注同时也支持伪彩色标注。
PaddleSeg支持灰度标注转换为伪彩色标注，如需转换成伪彩色标注图，可使用PaddleSeg自带的的转换工具

4. 模型选择参数配置

模型选择：根据自己的需求选择合适的模型进行训练。本文选择HRNet-W18作为训练模型。
预训练模型：

pretrained_model/download_model.py中提供了相应的预训练模型下载地址，可以根据自己的需求在其中寻找相应的预训练模型，如不存在，可以按照同样的格式添加对应的模型名称与下载地址。
参数配置：参数由config.py和hrnet_Magnetic.yaml共同决定，.yaml文件的优先级高于config.py 。

常用参数配置详细说明：

DATASET：关于数据集的相关配置，如类别数、训练数据列表、测试数据列表
MODEL：模型配置：
- MODEL_NAME: "hrnet" 模型名称
- HRNET:配置各个stage中不同分辨率特征图的通道数

STAGE2:

NUM_CHANNELS: [18, 36]

STAGE3:

NUM_CHANNELS: [18, 36, 72]

STAGE4:

NUM_CHANNELS: [18, 36, 72, 144]

MULTI_LOSS_WEIGHT：模型输出权重配置
TRAIN_CROP_SIZE：训练时输入数据大小
EVAL_CROP_SIZE：测试时输入数据大小
BATCH_SIZE：输入网络中的BATCH_SIZE，需要适配显存
SNAPSHOT_EPOCH：阶段性保存EPOCH
NUM_EPOCHS：总的训练轮数
LOSS：损失函数类别
LR：学习率

5. 参数校验

在开始训练和评估之前，对配置和数据进行一次校验，确保数据和配置是正确的。使用下述命令启动校验流程：

python pdseg/check.py --cfg ./configs/hrnet_Magnetic.yaml

6. 模型训练

本次项目中设置的是阶段性模型评估，同时保存评估结果最好的模型参数在下述目录：

PaddleSeg/saved_model/unet_optic/best_model

best_model文件夹下包含ppcls.pdmodel、ppcls.pdopt、ppcls.pdparams三个文件用来进行后续的评估推理使用。

python pdseg/train.py --use_gpu --cfg ./configs/hrnet_Magnetic.yaml --do_eval

7. 模型评估

python pdseg/train.py --use_gpu --cfg ./configs/hrnet_Magnetic.yaml --do_eval[EVAL]#image=81 acc=0.9853 IoU=0.8434
[EVAL]Category IoU: [0.9842 0.7891 0.8468 0.7010 0.9258 0.8136]
[EVAL]Category Acc: [0.9927 0.8871 0.9407 0.9106 0.9597 0.8829]
[EVAL]Kappa:0.9037

8. 结果可视化

python pdseg/vis.py --use_gpu --cfg ./configs/hrnet_Magnetic.yaml

得到可视化结果之后，可以使用如下代码展示可视化结果：

import matplotlib.pyplot as plt
import os
import cv2
# 定义显示函数
def display(img_name):image_dir = os.path.join("./dataset/Magnetic/images", img_name.split(".")[0]+".jpg")label_dir = os.path.join("./dataset/Magnetic/color",img_name)mask_dir = os.path.join("./visual", img_name)img_dir = [image_dir, label_dir, mask_dir]plt.figure(figsize=(15, 15))title = ['Image', 'label', 'Predict']  for i in range(len(title)):plt.subplot(1, len(title), i+1)plt.title(title[i])if i==0:img_rgb = cv2.imread(img_dir[i])else:img = cv2.imread(img_dir[i])b,g,r = cv2.split(img)img_rgb = cv2.merge([r,g,b])            plt.imshow(img_rgb)plt.axis('off')plt.show()
# 注：第一次运行可能无法显示，再运行一次即可。
img_list=os.listdir("./visual")
for img_name in img_list:    display(img_name)

输出结果如下所示：

心得体会

本项目详细介绍了HRNet网络关键性技术点，最后使用基于飞桨开源深度学习框架的图像分割套件PaddleSeg，在AI Studio上完成了数据处理、模型训练、模型评估等工作。PaddleSeg套件让图像分割技术变得更为简单便捷，降低了开发者的上手难度。

在此强烈安利AI Studio。AI Studio是基于百度深度学习平台飞桨的人工智能学习与实训社区，提供在线编程环境、免费GPU算力、海量开源算法和开放数据，帮助开发者快速创建和部署模型。对于像笔者一样没有硬件条件的学习者是一个很大的助力。

整个项目包括数据集与相关代码已公开在AI Studio上，欢迎小伙伴们Fork。

https://aistudio.baidu.com/aistudio/projectdetail/894141

如在使用过程中有问题，可加入飞桨官方QQ群进行交流：1108045677。

如果您想详细了解更多飞桨的相关内容，请参阅以下文档。

官网地址：https://www.paddlepaddle.org.cn

·飞桨 PaddleSeg 项目地址·

GitHub: https://github.com/PaddlePaddle/PaddleSeg

Gitee: https://gitee.com/paddlepaddle/PaddleSeg

·飞桨官网地址·

https://www.paddlepaddle.org.cn/

扫描二维码｜ 关注我们

微信号 : PaddleOpenSource