deeplabv3的论文中用了resnet网络，在这里用轻量级网络mobilenet替换resnet，下面分别是两个网络的代码。
1.mobilenet网络
代码如下：
import math
import os
import cv2
import numpy as np
import torch
import torch.nn as nn
import torch.utils.model_zoo as model_zoo
BatchNorm2d = nn.BatchNorm2d
def conv_bn(inp, oup, stride):
return nn.Sequential(
nn.Conv2d(inp, oup, 3, stride, 1, bias=False),
BatchNorm2d(oup),
nn.ReLU6(inplace=True)
)
def conv_1x1_bn(inp, oup):
return nn.Sequential(
nn.Conv2d(inp, oup, 1, 1, 0, bias=False),
BatchNorm2d(oup),
nn.ReLU6(inplace=True)
)
class InvertedResidual(nn.Module):
def __init__(self, inp, oup, stride, expand_ratio):
super(InvertedResidual, self).__init__()
self.stride = stride
assert stride in [1, 2]
hidden_dim = round(inp * expand_ratio)
self.use_res_connect = self.stride == 1 and inp == oup
if expand_ratio == 1:
self.conv = nn.Sequential(
#--------------------------------------------#
# 进行3x3的逐层卷积，进行跨特征点的特征提取
#--------------------------------------------#
nn.Conv2d(hidden_dim, hidden_dim, 3, stride, 1, groups=hidden_dim, bias=False),
BatchNorm2d(hidden_dim),
nn.ReLU6(inplace=True),
#-----------------------------------#
# 利用1x1卷积进行通道数的调整
#-----------------------------------#
nn.Conv2d(hidden_dim, oup, 1, 1, 0, bias=False),
BatchNorm2d(oup),
)
else:
self.conv = nn.Sequential(
#-----------------------------------#
# 利用1x1卷积进行通道数的上升
#-----------------------------------#
nn.Conv2d(inp, hidden_dim, 1, 1, 0, bias=False),
BatchNorm2d(hidden_dim),
nn.ReLU6(inplace=True),
#--------------------------------------------#
# 进行3x3的逐层卷积，进行跨特征点的特征提取
#--------------------------------------------#
nn.Conv2d(hidden_dim, hidden_dim, 3, stride, 1, groups=hidden_dim, bias=False),
BatchNorm2d(hidden_dim),
nn.ReLU6(inplace=True),
#-----------------------------------#
# 利用1x1卷积进行通道数的下降
#-----------------------------------#
nn.Conv2d(hidden_dim, oup, 1, 1, 0, bias=False),
BatchNorm2d(oup),
)
def forward(self, x):
if self.use_res_connect:#使用残差边
return x + self.conv(x)
else:
return self.conv(x)#不使用残差边
class MobileNetV2(nn.Module):
def __init__(self, n_class=1000, input_size=224, width_mult=1.):
super(MobileNetV2, self).__init__()
block = InvertedResidual
input_channel = 32
last_channel = 1280
interverted_residual_setting = [
# t, c, n, s
[1, 16, 1, 1], # 256, 256, 32 -> 256, 256, 16
[6, 24, 2, 2], # 256, 256, 16 -> 128, 128, 24 2
[6, 32, 3, 2], # 128, 128, 24 -> 64, 64, 32 4
[6, 64, 4, 2], # 64, 64, 32 -> 32, 32, 64 7
[6, 96, 3, 1], # 32, 32, 64 -> 32, 32, 96
[6, 160, 3, 2], # 32, 32, 96 -> 16, 16, 160 14
[6, 320, 1, 1], # 16, 16, 160 -> 16, 16, 320
]
assert input_size % 32 == 0
input_channel = int(input_channel * width_mult)
self.last_channel = int(last_channel * width_mult) if width_mult > 1.0 else last_channel
# 512, 512, 3 -> 256, 256, 32
self.features = [conv_bn(3, input_channel, 2)]
for t, c, n, s in interverted_residual_setting:
output_channel = int(c * width_mult)
for i in range(n):
if i == 0:
self.features.append(block(input_channel, output_channel, s, expand_ratio=t))
else:
self.features.append(block(input_channel, output_channel, 1, expand_ratio=t))
input_channel = output_channel
self.features.append(conv_1x1_bn(input_channel, self.last_channel))
self.features = nn.Sequential(*self.features)
self.classifier = nn.Sequential(
nn.Dropout(0.2),
nn.Linear(self.last_channel, n_class),
)
self._initialize_weights()
def forward(self, x):
x = self.features(x)
x = x.mean(3).mean(2)
x = self.classifier(x)
return x
def _initialize_weights(self):
for m in self.modules():
if isinstance(m, nn.Conv2d):
n = m.kernel_size[0] * m.kernel_size[1] * m.out_channels
m.weight.data.normal_(0, math.sqrt(2. / n))
if m.bias is not None:
m.bias.data.zero_()
elif isinstance(m, BatchNorm2d):
m.weight.data.fill_(1)
m.bias.data.zero_()
elif isinstance(m, nn.Linear):
n = m.weight.size(1)
m.weight.data.normal_(0, 0.01)
m.bias.data.zero_()
def load_url(url, model_dir='./model_data', map_location=None):
if not os.path.exists(model_dir):
os.makedirs(model_dir)
filename = url.split('/')[-1]
cached_file = os.path.join(model_dir, filename)
if os.path.exists(cached_file):
return torch.load(cached_file, map_location=map_location)
else:
return model_zoo.load_url(url,model_dir=model_dir)
def mobilenetv2(pretrained=False, **kwargs):
model = MobileNetV2(n_class=1000, **kwargs)
if pretrained:
model.load_state_dict(load_url('https://github.com/bubbliiiing/deeplabv3-plus-pytorch/releases/download/v1.0/mobilenet_v2.pth.tar'), strict=False)
return model
if __name__ == '__main__':
img_paths = r"img\000001.jpg"
img = cv2.imread(img_paths)
img = cv2.resize(img, (512, 512))
images = img.reshape(1, 3, 512, 512)
#images=img.reshape(1,3,1080,1920)
data=torch.tensor(images,dtype=torch.float32)
#print(data.sum())
model=MobileNetV2()
for i,layer in enumerate(model.features):
print(i,layer)
# output=model(data)
# print(output)
代码运行结构如下：
结果从0到17共18层卷积网络。在该网络结构中，输入的数据大小是1X3X512X512,网络结构共有18层，在这里对下面的部分代码做一些解释：
解释1：
以上是网络结构，t表示是否需要升维，1表示不需要升维，6表示需要；c表示该网络结构输出的通道数；n表示该网络结构重复次数；s表示该网络结构的步长。如[6,24,2,2]表示不需要下采样，输出通道数为24，重复两次网络结构，步长是2，该层的网络输出结果如下：
我们对以上的n的所有值相加得1+2+3+4+3+3+1=17,再加上刚输入进来的一层网络结构刚好等于18层.
解释2：InvertedResidual类
如下图所示，mobilenetv2网络结构的最基本单元（InvertedResidual）就是下图结构：
上图中用了1X1卷积+3X3卷积+1X1卷积共3层网络构成，第一个1X1卷积起到升维的作用，可以使得获取的信息更丰富，第二个3X3卷积进行跨特征点信息提取，第3个1X1卷积进行降维，是为了减少计算量，也为了获取卷积的主要信息。从上面构建卷积网络的循环代码中可以看到，每个单元网络都是由InvertedResidual构成的，而不是简单的 卷积+BN+激活函数 的结构。
注意，这个类最后返回两种结果：一种是返回残差结果，一种是不使用残差边的结果。
解释3：代码中的self.features
如下图所示：self.features是一个列表变量，里面的conv_bn是代码中最上面的函数，其实就是定义的一个Conv2d+BN+ReLU6的一个卷积层。
在这里定义了self.features后，它又在第二个图片的for循环里不断的添加（append）新的卷积层，这个for循环添加了17个卷积层，加上定义时的一个卷积层，总共刚好18个卷积层。
在这里，我们就对mobilenetv2的网络结构解释完了。
2.deeplabv3+对mobilenetv2的运用
在deeplabv3+里，我们首先写入上面的代码，文件名称为mobilenetv2.py，然后再写一个deeplabv3_plus.py文件对先前写的代码进行引用，代码如下：
class MobileNetV2(nn.Module):
def __init__(self, downsample_factor=8, pretrained=True):
super(MobileNetV2, self).__init__()
from functools import partial
model = mobilenetv2(pretrained)
self.features = model.features[:-1]
self.total_idx = len(self.features)
self.down_idx = [2, 4, 7, 14]
if downsample_factor == 8:
for i in range(self.down_idx[-2], self.down_idx[-1]):
self.features[i].apply(
partial(self._nostride_dilate, dilate=2)
)
for i in range(self.down_idx[-1], self.total_idx):
self.features[i].apply(
partial(self._nostride_dilate, dilate=4)
)
elif downsample_factor == 16:
for i in range(self.down_idx[-1], self.total_idx):
self.features[i].apply(
partial(self._nostride_dilate, dilate=2)
)
def _nostride_dilate(self, m, dilate):
classname = m.__class__.__name__
if classname.find('Conv') != -1:
if m.stride == (2, 2):
m.stride = (1, 1)
if m.kernel_size == (3, 3):
m.dilation = (dilate//2, dilate//2)
m.padding = (dilate//2, dilate//2)
else:
if m.kernel_size == (3, 3):
m.dilation = (dilate, dilate)
m.padding = (dilate, dilate)
def forward(self, x):
low_level_features = self.features[:4](x)
x = self.features[4:](low_level_features)
return low_level_features, x 对于以上代码的主要部分，在这里做部分解释如下：
解释一：self.features = model.features[:-1]
这个代码就是提取mobilenetv2代码的self.features，那这里为什么加了[:-1]呢？因为mobilenetv2最后加了一层卷积self.features.append(conv_1x1_bn(input_channel, self.last_channel))，这个卷积层其实就是mobilenetv2自身分类用的，而在deeplabv3+里不需要这一层卷积，所以下面的代码调用的是model.features[:-1]。
解释二：代码中的self.down_idx = [2, 4, 7, 14]
这行代码是与mobilenetv2代码的卷积层对应的，mobilenetv2代码有下图的几行代码：
其实，[2, 4, 7, 14]中的几个数对应的是图片中s=2的卷积层的位置。
- 图片中的第二行的s=2对应卷积层的第3层（前两层是 1+1）位置(对应的坐标位置就是2)，最前面有一层初始定义的卷积层（前面已经解释过）;
- 图片中第3行的2对应第5层（前4层是1+1+2）位置(对应的坐标位置就是4)；
- 图片中第4行的2对应第8层（前7层是1+1+2+3）位置(对应的坐标位置就是7)；
- 图片中第6行的2对应第15层（前14层是1+1+2+3+4+3）位置(对应的坐标位置就是14)；
解释3：downsample_factor == 8或者downsample_factor == 16
这两行代码表示如果downsample_factor == 8，表示我们只需要3次下采用，那么我们需要将[2, 4, 7, 14]的后两次采样的参数做一个修改（对第7和第14层的参数作一个修改），即将步长s修改为1.
前3次下采样的地方是：第0层到第1层之间做了一次下采样；第2层到第3层之间做了一次下采样；第4层到第5层之间做了一次下采样.
如果downsample_factor == 16，表示我们只需要4次下采用，那么我们需要将[2, 4, 7, 14]的后一次采样的参数做一个修改（第14层的参数作一个修改），即将步长s修改为1.
前4次下采样的地方是：第0层到第1层之间做了一次下采样；第2层到第3层之间做了一次下采样；第4层到第5层之间做了一次下采样；第7层到第8层之间做了一次下采样。
在这里，我们就对deeplabv3+中的mobilenet2模型的运用解释完了！！！
