飞桨常规赛：遥感影像地块分割 - 10月第2名方案

赛题

本赛题旨在对遥感影像进行像素级内容解析，并对遥感影像中感兴趣的类别进行提取和分类，以衡量遥感影像地块分割模型在多个类别（如建筑、道路、林地等）上的效果。
数据共包括4种分类，像素值分别为0、1、2、3。此外，像素值255为未标注区域，表示对应区域的所属类别并不确定，在评测中也不会考虑这部分区域。
训练集包含66,653张遥感影像图片和对应的标注图片，测试集包括4,609张遥感影像图片。遥感分辨率均为2m/pixel，图片尺寸均为256*256。
示例图片：
         

解题思路

主要借鉴了当前榜首（戳这里查看方案）的模型结构，但由于实现细节的差异，分数还是低了不少。
和榜首方案不同的是，个人比较偏好API编程的模式。

模型

模型采用了HRNet_W48+OCRNet，loss采用LovaszSoftmax和CrossEntropy（详见my_model.py）。

backbone = paddleseg.models.backbones.HRNet_W48(pretrained='https://bj.bcebos.com/paddleseg/dygraph/hrnet_w48_ssld.tar.gz', has_se=False)model = paddleseg.models.OCRNet(num_classes=4,backbone=backbone,backbone_indices=[-1],ocr_mid_channels=512,ocr_key_channels=256, pretrained='https://bj.bcebos.com/paddleseg/dygraph/ccf/fcn_hrnetw48_rs_256x256_160k/model.pdparams')

ce_coef = 1.0lovasz_coef = 0.3main_loss = lovasz_coef*self.lovasz(yp[0], yt)+ce_coef*self.ce(yp[0], yt)soft_loss = lovasz_coef*self.lovasz(yp[1], yt)+ce_coef*self.ce(yp[1], yt)return 1.0*main_loss+0.4*soft_loss

数据集

数据集采用了paddle.io.Dataset包装，方便采用paddle.io.DataLoader实现组batch和并行预处理，能够提高训练效率。

在数据集中调用paddle.vision.transforms实现数据增强，采用的增强策略有颜色抖动、随机旋转、随机翻转、随机crop等。

另外，发现训练集中有大约5000余张样本对应的标签完全由255组成，他们对训练不会有任何收益，故构造数据集时将相应的样本剔除。

代码详见my_dataset.py

训练策略

优化器为Momentum，学习率策略为PolynomialDecay和LinearWarmup。其他训练参数为：

BATCH_SIZE = 32LR = 1e-3WARMUP_EPOCH = 10 # warmup轮数TRAIN_EPOCHS = 40 # 训练轮数EVAL_EPOCH = 2 # 每两轮验证一次

训练主函数见train.py

学习率变化曲线loss曲线miou曲线        

预测

训练时有一个很奇怪的现象，验证集的miou曲线是一个先降后升的'U'型。采用验证集最优模型的话，提交结果不如最后一轮，所以预测时加载的模型是训练50轮的参数。

飞桨PaddlePaddle

飞桨PaddlePaddle开发者社区与布道，与社区共同进步

12

查看详情

预测时使用with paddle.no_grad():或者@paddle.no_grad()装饰器可以在推理时不保存中间结果，节省巨量显存。当然AI Studio的V100显卡太强了，有没有都无所谓。

推理时把数据集用DataLoader包装一下可以更好的并行。

预测后在左侧直接右键result文件夹，选择'打包下载'即可直接下载zip压缩包，可以直接在比赛页面提交。奇怪，前两天用的时候好像还是英文'Download as zip archive'，现在就变成中文了。

具体代码见predict.py。

代码说明

代码都放在work文件夹下，结果也都保存在work/result文件夹下，模型保存在models文件夹下。

模块文件下都通过

if __name__=='__main__':    ...

的形式编写了一些测试语句，方便调试。

总结

四月份的时候参加过一轮，当时手攒了个模型，没有利用好paddleseg这个好用的套件，分数很低，该做好的点没有做好。感觉提分点主要有以下这些吧：

1. 数据增强。一般来说，常规的数据增强都会有些效果，也可以根据数据的特点进行一定的取舍；
2. SOTA模型。自己攒模型一般还是不如用现成的，尤其是对于新手。学到一定程度以后可以看看源码对比一下论文，说不定以后自己也能提出一些改进呢；
3. 预训练模型。不多说了，有没有预训练简直是两个模型；
4. 结果后处理。按之前的经验，语义分割类的结果做个滤波会有一点点不大的提升；另外，TTA据说很强。这里我还没来得及试。
              

和榜首的差距可能主要还是在数据增强策略上，另外，自己用API手写的训练过程可能还是有些细节上没实现好，还需要多学习学习。

一键复现