LanNetSegmentation branch完成語義分割,即判斷出像素屬于車道or背景Embedding branch完成像素的向量表示,用于后續聚類,以完成實例分割H-Net

Segmentation branch

解決樣本分布不均衡

車道線像素遠小于背景像素.loss函數的設計對不同像素賦給不同權重,降低背景權重.

該分支的輸出為(w,h,2)．

Embedding branch

loss的設計思路為使得屬于同一條車道線的像素距離盡量小,屬于不同車道線的像素距離盡可能大.即Discriminative loss.

該分支的輸出為(w,h,n)．n為表示像素的向量的維度.

實例分割

在Segmentation branch完成語義分割,Embedding branch完成像素的向量表示后,做聚類,完成實例分割.

H-net

透視變換

to do

車道線擬合

LaneNet的輸出是每條車道線的像素集合，還需要根據這些像素點回歸出一條車道線。傳統的做法是將圖片投影到鳥瞰圖中，然后使用二次或三次多項式進行擬合。在這種方法中，轉換矩陣H只被計算一次，所有的圖片使用的是相同的轉換矩陣，這會導致坡度變化下的誤差。

為了解決這個問題，論文訓練了一個可以預測變換矩陣H的神經網絡HNet，網絡的輸入是圖片，輸出是轉置矩陣H。之前移植過Opencv逆透視變換矩陣的源碼，里面轉換矩陣需要8個參數，這兒只給了6個參數的自由度，一開始有些疑惑，后來仔細閱讀paper，發現作者已經給出了解釋，是為了對轉換矩陣在水平方向上的變換進行約束。

代碼分析

binary_seg_image, instance_seg_image = sess.run( [binary_seg_ret, instance_seg_ret], feed_dict={input_tensor: [image]} )

輸入(１,256,512,3)輸出binary_seg_image:(1, 256, 512) instance_seg_image:(1, 256, 512, 4)

完成像素級別的分類和向量表示

class LaneNet的inference分為兩步．

第一步提取分割的特征,包括了用于語義分割的特征和用以實例分割的特征.

class LaneNet(cnn_basenet.CNNBaseModel): def inference(self, input_tensor, name): """ :param input_tensor: :param name: :return: """ with tf.variable_scope(name_or_scope=name, reuse=self._reuse): # first extract image features extract_feats_result = self._frontend.build_model( input_tensor=input_tensor, name='{:s}_frontend'.format(self._net_flag), reuse=self._reuse ) #得到一個字典,包含了用于語義分割的feature map和用于實例分割的feature map． #binary_segment_logits　(1,256,512,2) 2是類別數目.即車道/背景． #instance_segment_logits　(1,256,512,64) 用以后面再做卷積為每個像素生成一個向量表示 print('features:',extract_feats_result) # second apply backend process binary_seg_prediction, instance_seg_prediction = self._backend.inference( binary_seg_logits=extract_feats_result['binary_segment_logits']['data'], instance_seg_logits=extract_feats_result['instance_segment_logits']['data'], name='{:s}_backend'.format(self._net_flag), reuse=self._reuse ) if not self._reuse: self._reuse = True return binary_seg_prediction, instance_seg_prediction

第一步得到的features如下:

features : OrderedDict([('encode_stage_1_share', {'data': , 'shape': [1, 256, 512, 64]}), ('encode_stage_2_share', {'data': , 'shape': [1, 128, 256, 128]}), ('encode_stage_3_share', {'data': , 'shape': [1, 64, 128, 256]}), ('encode_stage_4_share', {'data': , 'shape': [1, 32, 64, 512]}), ('encode_stage_5_binary', {'data': , 'shape': [1, 16, 32, 512]}), ('encode_stage_5_instance', {'data': , 'shape': [1, 16, 32, 512]}), ('binary_segment_logits', {'data': , 'shape': [1, 256, 512, 2]}), ('instance_segment_logits', {'data': , 'shape': [1, 256, 512, 64]})])

特征提取完畢,做后處理

class LaneNetBackEnd(cnn_basenet.CNNBaseModel): def inference(self, binary_seg_logits, instance_seg_logits, name, reuse): """ :param binary_seg_logits: :param instance_seg_logits: :param name: :param reuse: :return: """ with tf.variable_scope(name_or_scope=name, reuse=reuse): with tf.variable_scope(name_or_scope='binary_seg'): binary_seg_score = tf.nn.softmax(logits=binary_seg_logits) binary_seg_prediction = tf.argmax(binary_seg_score, axis=-1) with tf.variable_scope(name_or_scope='instance_seg'): pix_bn = self.layerbn( inputdata=instance_seg_logits, is_training=self._is_training, name='pix_bn') pix_relu = self.relu(inputdata=pix_bn, name='pix_relu') instance_seg_prediction = self.conv2d( inputdata=pix_relu, out_channel=CFG.TRAIN.EMBEDDING_FEATS_DIMS, kernel_size=1, use_bias=False, name='pix_embedding_conv' ) return binary_seg_prediction, instance_seg_prediction

對每個像素的分類,做softmax轉成概率.再argmax求概率較大值的下標.對每個像素的向量表示,用1x1卷積核做卷積,得到channel維度=CFG.TRAIN.EMBEDDING_FEATS_DIMS(配置為4).即(1,256,512,64)卷積得到(1,256,512,4)的tensor．即每個像素用一個四維向量表示.

所以,整個LaneNet的inference返回的是兩個tensor.一個shape為(1,256,512) 一個為(1,256,512,4).

后處理

class LaneNetPostProcessor(object): def postprocess(self, binary_seg_result, instance_seg_result=None, min_area_threshold=100, source_image=None, data_source='tusimple'):

對binary_seg_result,先通過形態學操作將小的空洞去除.參考 https://www.cnblogs.com/sdu20112013/p/11672634.html

然后做聚類.

def _get_lane_embedding_feats(binary_seg_ret, instance_seg_ret): """ get lane embedding features according the binary seg result :param binary_seg_ret: :param instance_seg_ret: :return: """ idx = np.where(binary_seg_ret == 255) #idx (b,h,w) lane_embedding_feats = instance_seg_ret[idx] # idx_scale = np.vstack((idx[0] / 256.0, idx[1] / 512.0)).transpose() # lane_embedding_feats = np.hstack((lane_embedding_feats, idx_scale)) lane_coordinate = np.vstack((idx[1], idx[0])).transpose() assert lane_embedding_feats.shape[0] == lane_coordinate.shape[0] ret = { 'lane_embedding_feats': lane_embedding_feats, 'lane_coordinates': lane_coordinate } return ret

獲取到坐標及對應坐標像素對應的向量表示.

np.where(condition)

只有條件 (condition)，沒有x和y，則輸出滿足條件 (即非0) 元素的坐標 (等價于numpy.nonzero)。這里的坐標以tuple的形式給出，通常原數組有多少維，輸出的tuple中就包含幾個數組，分別對應符合條件元素的各維坐標。

測試結果

tensorflow-gpu 1.15.2

4張titan xp

(4, 256, 512) (4, 256, 512, 4)

I0302 17:04:31.276140 29376 test_lanenet.py:222] imgae inference cost time: 2.58794s

(32, 256, 512) (32, 256, 512, 4)

I0302 17:05:50.322593 29632 test_lanenet.py:222] imgae inference cost time: 4.31036s

類似于高吞吐量,高延遲.對單幀圖片處理在1-2s,多幅圖片同時處理,平均下來的處理速度在0.1s.

論文里的backbone為enet,在nvida 1080 ti上推理速度52fps.

對于這個問題的解釋,作者的解釋是

2.Origin paper use Enet as backbone net but I use vgg16 as backbone net so speed will not get as fast as that. 3.Gpu need a short time to warm up and you can adjust your batch size to test the speed again:)

一個是特征提取網絡和論文里不一致,一個是gpu有一個短暫的warm up的時間.

我自己的測試結果是在extract image features耗時較多.換一個backbone可能會有改善.

def inference(self, input_tensor, name): """ :param input_tensor: :param name: :return: """ print("***************,input_tensor shape:",input_tensor.shape) with tf.variable_scope(name_or_scope=name, reuse=self._reuse): t_start = time.time() # first extract image features extract_feats_result = self._frontend.build_model( input_tensor=input_tensor, name='{:s}_frontend'.format(self._net_flag), reuse=self._reuse ) t_cost = time.time() - t_start glog.info('extract image features cost time: {:.5f}s'.format(t_cost)) # second apply backend process t_start = time.time() binary_seg_prediction, instance_seg_prediction = self._backend.inference( binary_seg_logits=extract_feats_result['binary_segment_logits']['data'], instance_seg_logits=extract_feats_result['instance_segment_logits']['data'], name='{:s}_backend'.format(self._net_flag), reuse=self._reuse ) t_cost = time.time() - t_start glog.info('backend process cost time: {:.5f}s'.format(t_cost)) if not self._reuse: self._reuse = True return binary_seg_prediction, instance_seg_prediction

總結

以上是生活随笔為你收集整理的sift线特征提取代码_车道线检测LaneNet的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。