进行遥感图像语义分割时无法正确识别标签的问题

问题发现

作为一个语义分割领域的小白，毕设打算用DeepLabv3+做遥感图像的语义分割，准确来说是水体提取。

相对于土地利用分类还是比较简单的，就设置了两类，即水体、非水体，使用的代码基础是这个：

大佬写的Pytorch版DeepLabv3+

现成的语义分割模型大多基于比较有名的数据集（比如VOC2012），因此参考这些数据集的格式自己弄了一个水体提取数据集。

然而，在训练的时候，发现MIoU这个指标很奇怪，与其他指标格格不入，大概如下所示：

当然，从准确率来看，上面的训练结果明显是过拟合的，这也是碰到的问题之一：训练过程中准确度经常一下子飙到特别高，然后就是过拟合状态，即使Loss并不理想（比如在0.05和0.15两个值来回跳。

。

。

）

这样的结果下，预测效果当然也是稀烂，这里就不放图了

问题定位

这个问题真的挺让我抓狂的，卡住我毕设进度差不多半个月吧，在网上找了各种各样的方法，甚至换了网上的GID数据集测试代码，依然没能解决。

有段时间感觉整个人脑子里想的全是深度神经网络，甚至做梦都梦到过两次。

。

。

可能菜真的是原罪吧，小白一个人在语义分割领域摸爬滚打太难了（哭）

然后有一天，我突然意识到了，这个Acc、Acc_class、fwIoU这三个指标的值居然是相等的，而且正好是mIoU的二倍！当时我的脑子嗡的一下，就像抓住了跟救命稻草一样，开始疯狂的学习这四个指标的具体公式，并且草稿纸列了方程一顿计算。

。

。

然后我有了一个大胆的猜想：在水体、非水体两类中的其中一类的精度是0的时候，好像就会出现目前的状况！然后我把Acc_class这个指标给拆开了，也就是不让它做平均值，分别输出两类的精度，结果如下：

可以看到，第二类也就是水体的准确值居然是nan，空值。

这也是说的通的，因为计算平均值的时候会用到numpy.nanmean()这个方法，这个时候空值和0值效果是差不多的。

那么为什么会出现空值呢？我又从计算评价指标的方法开始追本溯源，最后基本定位了问题所在：读入的标签有问题。

问题解决

在制作标签的时候，我把非水体的图像值设为0，水体设为255。

然而，神经网络输出的是一个1*2的概率矩阵，然后在计算精度评价指标的时候用了np.argmax()这个方法，将最大值的索引找出来，也就是只有[0, 1]两个值。

在计算混淆矩阵时，将非水体的0和0相比，显然没问题；但水体的255和1就出大问题了，导致了空值的出现。

这也解释了为何精度评价指标的值有错误，同时模型的训练效果也稀烂：重要的标签值对不上，根本没法训练呀。

到这里，解决方法就很简单了，直接在图像转换为Tensor的代码中加一行代码，将255全部转换为1，就可以正常运行喽

class ToTensor(object):
    """Convert ndarrays in sample to Tensors."""

    def __call__(self, sample):
        # swap color axis because
        # numpy image: H x W x C
        # torch image: C X H X W
        img = sample['image']
        mask = sample['label']
        img = np.array(img).astype(np.float32).transpose((2, 0, 1))
        mask = np.array(mask).astype(np.float32)
        #  这一步很关键！！！
        mask[mask == 255] = 1

        img = torch.from_numpy(img).float()
        mask = torch.from_numpy(mask).float()

        return {'image': img,
                'label': mask}

总结

不得不说改好了bug真是神清气爽啊！

在这段学习语义分割的时间里，最大的感受就是一定要确保数据格式正确，包括数据集的格式、图片的扩展名、单通道还是三通道、位深、波段数、读进程序之后array的shape，等等。

另外，最开始的时候一定不要拿到代码就着急实验，要争取先把代码看懂，否则就会像我这次一样，在漫长的改bug阶段逐渐读懂了代码，哈哈哈，也不失为一种思路。

就写到这里吧，不知不觉两千多字，现在预测效果还不理想，调参去了~~

最后说一句，深度学习还是很有趣的！！！