初次使用pytorch编写语义分割代码的一些问题

记录下在自己在使用pytorch编写unet时的一些问题

 

标签读取：

语义分割中的label是与image宽高相同的图像

1）对于label的transform中不能使用 ToTensor 变换方法；

      ToTensor是将输入数据进行归一化，会将label中各像素的整数标签变为小数

2）不能对image和label分别使用 RandomCrop 变换方法；

      RandomCrop会对image和label分别随机裁剪，导致image和label位置不对应，可以使用CenterCrop代替

3）pytorch输入必须为torch类型，对label需要进行类型转换；

      对于PIL.Image可以使用np.array先变为nparray格式，然后用torch.from_numpy转为torch类型

 

训练设置：

loss函数

1）标签label为3维（batch，height，width），类型为long；

     不需要变为one-hot向量，但对于（batch，1， height，width）的1通道label，需要用 label.squeeze(1).long() 进行维度和类型变换

2）预测结果predict为4维（batch，class_channelNum,heigth,width），类型为float

      一般从网络直接输出即可。

3）loss函数，例如CrossEntropyLoss有参数size_average=True，默认取1个batch上的平均loss（各个像素loss的均值），一般不用修改

acc计算

acc计算需要除以 batch*height*width 以获取像素级别的平均acc，可以从变换后的label的size属性获取，代码如下：

_, predicted = torch.max(output.data, 1)
correct = (predicted == labels).sum().float()
acc = correct / (labels.size(0)*labels.size(1)*labels.size(2))