簡介基于深度學習的轎車背景去除算法課程設(shè)計資源包面向計算機、數(shù)學、電子信息類專業(yè)學生尤其適合作為課程設(shè)計、期末大作業(yè)或畢業(yè)設(shè)計項目。資源以Python源碼為核心13個py腳本覆蓋數(shù)據(jù)加載、模型定義、損失函數(shù)、訓(xùn)練與配置等完整環(huán)節(jié)2個h5預(yù)訓(xùn)練權(quán)重文件支持直接加載模型進行推理2份docx說明文檔與1份md說明詳細闡述算法原理、軟件體系結(jié)構(gòu)與設(shè)計模式的應(yīng)用1個pptx可用于答辯匯報。整個壓縮包共19個文件大小約37.26MB超過六成為Python腳本并附帶開發(fā)工作日志目錄結(jié)構(gòu)清晰、模塊拆分規(guī)范。目前已有八十六人瀏覽學習。通過這份資料讀者可以快速掌握基于深度學習的圖像分割任務(wù)流程理解軟件架構(gòu)與設(shè)計模式在實際項目中的落地方式并基于完整源碼進行二次開發(fā)或功能擴展。1. 從課程設(shè)計到落地轎車背景去除到底在解決什么問題期末前兩周才確定題目既要交軟件體系結(jié)構(gòu)與設(shè)計模式的課程設(shè)計又想體現(xiàn)深度學習算法能力多數(shù)人最后都卡在“模型跑通了但說不清工程結(jié)構(gòu)”這步。這個基于深度學習的轎車背景去除項目正是用于解決這類問題的完整樣例輸入一張任意場景下的轎車照片輸出只有車身保留、背景被置為純色的掩碼圖本質(zhì)是逐像素的語義分割任務(wù)。相比人臉摳圖、通用物體分割車輛目標輪廓清晰但包含車窗反光、地面陰影、車漆高光等干擾很適合作為入門級深度圖像分割實戰(zhàn)。代碼庫劃分為數(shù)據(jù)集加載、模型定義、損失函數(shù)、訓(xùn)練配置、推理應(yīng)用五個模塊直接映射軟件體系結(jié)構(gòu)課程里分層與解耦的考核點。適合正在做圖像分割入門、準備課程設(shè)計答辯或期末大作業(yè)、希望把設(shè)計模式落到代碼里的學生與開發(fā)者。2. 任務(wù)定義與數(shù)據(jù)準備mask 標注與數(shù)據(jù)增強管線的搭建2.1 背景去除為什么是逐像素語義分割背景去除和常見的物體檢測有本質(zhì)區(qū)別。物體檢測輸出的是邊界框而背景去除要對圖像中的每一個像素做二分類判斷屬于轎車還是屬于背景。這個任務(wù)在計算機視覺里被稱為語義分割它比分類任務(wù)多保留了空間位置信息也比檢測任務(wù)更精細。轎車背景去除的難點在于三個區(qū)域車窗玻璃會反射周圍環(huán)境、車漆顏色與背景接近時會混淆、車輪與地面陰影的邊界難以劃分。課程設(shè)計的考核重點通常不只是“效果好不好”還包括“為什么這么設(shè)計”。語義分割采用編碼器-解碼器結(jié)構(gòu)編碼器逐層下采樣提取高層語義特征解碼器逐層上采樣恢復(fù)空間分辨率。車輛輪廓的精細程度取決于解碼器對邊緣信息的恢復(fù)能力這也是后續(xù)第 3 章選擇 U-Net 作為骨干網(wǎng)絡(luò)的原因。理解這一點才能在軟件設(shè)計說明文檔里交代清楚模型選型的依據(jù)而不是簡單寫一句“使用了深度學習”。2.2 數(shù)據(jù)目錄結(jié)構(gòu)與 dataset.py 的實現(xiàn)項目中的數(shù)據(jù)由原始車輛圖像和對應(yīng)的 mask 標注組成。標準目錄結(jié)構(gòu)如下第一部分是課程設(shè)計里交付時要講清楚的內(nèi)容dataset/ ├── train/ │ ├── input/ # 原始轎車圖像 │ │ ├── 0001.jpg │ │ └── ... │ └── mask/ # 二值掩碼圖白色為轎車黑色為背景 │ ├── 0001.png │ └── ... └── val/ ├── input/ └── mask/注意區(qū)分這里的 train/input 與模型訓(xùn)練環(huán)節(jié)的 train 數(shù)據(jù)集前者是磁盤上的數(shù)據(jù)組織后者是訓(xùn)練循環(huán)中的批次數(shù)據(jù)。加載數(shù)據(jù)時使用 torchvision 的 transforms 做尺寸統(tǒng)一和增強代碼實現(xiàn)如下這也是 dataset.py 的核心內(nèi)容class CarSegDataset(Dataset): def __init__(self, img_dir, mask_dir, img_size(512, 512), augFalse): self.img_paths sorted(glob.glob(os.path.join(img_dir, *.jpg))) self.mask_paths sorted(glob.glob(os.path.join(mask_dir, *.png))) self.img_size img_size self.aug aug # 兩個目錄下的文件應(yīng)一一對應(yīng)常見錯誤是按文件名排序不一致導(dǎo)致圖文錯位 assert len(self.img_paths) len(self.mask_paths), image count ! mask count def __len__(self): return len(self.img_paths) def __getitem__(self, idx): img Image.open(self.img_paths[idx]).convert(RGB) mask Image.open(self.mask_paths[idx]).convert(L) img img.resize(self.img_size, Image.BILINEAR) mask mask.resize(self.img_size, Image.NEAREST) # 掩碼不能做插值平滑 if self.aug: if random.random() 0.5: img img.transpose(Image.FLIP_LEFT_RIGHT) mask mask.transpose(Image.FLIP_LEFT_RIGHT) if random.random() 0.5: img img.transpose(Image.FLIP_TOP_BOTTOM) mask mask.transpose(Image.FLIP_TOP_BOTTOM) # 顏色抖動只作用于原圖不作用于 mask img transforms.ColorJitter(brightness0.2, contrast0.2)(img) img_tensor transforms.ToTensor()(img) mask_tensor torch.as_tensor(np.array(mask), dtypetorch.float32) / 255.0 mask_tensor mask_tensor.unsqueeze(0) # 增加通道維變成 [1, H, W] return img_tensor, mask_tensor代碼邏輯上有兩個容易踩坑的參數(shù)要重點說明。第一mask 縮放必須用Image.NEAREST最近鄰插值不能用BILINEAR雙線性插值因為 mask 是離散的二值標簽雙線性插值會在邊緣產(chǎn)生 0.3、0.7 這類中間灰度值直接污染損失函數(shù)的計算。第二mask_tensor / 255.0是為了把像素值從 0255 歸一化到 01與模型輸出的 sigmoid 概率值對齊。unsqueeze(0)是為配合 PyTorch 的通道維度約定語義分割的數(shù)據(jù)格式為[batch, channel, height, width]單通道 mask 需要補上 channel 維度。2.3 數(shù)據(jù)增強參數(shù)怎么定數(shù)據(jù)增強解決的是模型泛化問題不是越多越好每一項增強都有代價。整理出下面的參數(shù)對照表課程設(shè)計文檔里直接描述為“訓(xùn)練階段采用輕量數(shù)據(jù)增強”即可注意本表不涉及訓(xùn)練超參數(shù)的內(nèi)容僅描述數(shù)據(jù)增強環(huán)節(jié)增強方式推薦參數(shù)作用代價與陷阱水平翻轉(zhuǎn)p0.5消除左右視角偏差樣本量翻倍車牌文字鏡像但不影響分割任務(wù)垂直翻轉(zhuǎn)p0.5增加多樣化天空與地面語義被顛倒慎用于有方向性數(shù)據(jù)集隨機裁剪0.8 比例范圍模擬局部遮擋增強目標局部特征可能裁掉整個車需配合重采樣色彩抖動brightness0.2, contrast0.2增強對光照變化的魯棒性只作用于原圖絕不作用于 mask歸一化mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]統(tǒng)一像素分布加速收斂必須與預(yù)訓(xùn)練權(quán)重配套不可隨意換一個常見誤區(qū)是認為增強越強效果越好。對于轎車背景去除這種目標相對居中的任務(wù)過度的隨機裁剪會導(dǎo)致訓(xùn)練樣本中經(jīng)常丟失整車結(jié)構(gòu)模型反而學不到完整的車身形態(tài)。實踐中的做法更傾向于保留水平翻轉(zhuǎn)與輕量色彩抖動垂直翻轉(zhuǎn)根據(jù)數(shù)據(jù)分布判斷如果數(shù)據(jù)集中車頭朝向無規(guī)律則保留。3. U-Net骨干實現(xiàn)與損失函數(shù)設(shè)計3.1 為什么課程設(shè)計選 U-Net 而不是 DeepLabV3模型選型是需要給出理由的環(huán)節(jié)。DeepLabV3 使用空洞卷積在保持分辨率的同時擴大感受野在 PASCAL VOC、Cityscapes 這類大規(guī)模分割數(shù)據(jù)集上表現(xiàn)更好但它的結(jié)構(gòu)復(fù)雜、預(yù)訓(xùn)練權(quán)重體積大在課程設(shè)計這種單 GPU、少量數(shù)據(jù)、短周期的場景下并不劃算。U-Net 的優(yōu)勢在三個地方結(jié)構(gòu)對稱、包含跳躍連接、實現(xiàn)代碼短。編碼器下采樣 4 次解碼器對應(yīng)上采樣 4 次中間通過 concat 把同尺度的低層特征拼接到解碼器讓邊緣信息不會因為逐層下采樣而丟失。轎車車輪與背景的交界處只需要 2 到 4 個像素的精度U-Net 的跳躍連接恰好能保住這個級別的細節(jié)。另外U-Net 幾乎不依賴特定預(yù)訓(xùn)練權(quán)重也能在幾百張圖上收斂出可用效果屬于訓(xùn)練策略里“從零訓(xùn)練也能有基礎(chǔ)效果”的模型。換個角度從軟件體系結(jié)構(gòu)的視角看U-Net 是天然的模塊化結(jié)構(gòu)編碼器與解碼器可以拆成兩個獨立組件中間通過接口對接這個特征在寫軟件設(shè)計說明時就非常容易畫出組件圖。對于課程設(shè)計考核“架構(gòu)設(shè)計能力”的評分項這一條是額外的加分點。3.2 Encoder-Decoder 殘差塊與跳躍連接的代碼實現(xiàn)U-Net 的核心實現(xiàn)拆成卷積塊、編碼器、解碼器三部分下面的代碼對應(yīng) model.py 的核心邏輯class DoubleConv(nn.Module): 雙層卷積塊卷積 批歸一化 ReLUU-Net 的基本組成單元 def __init__(self, in_ch, out_ch): super().__init__() self.conv nn.Sequential( nn.Conv2d(in_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue), nn.Conv2d(out_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue) ) def forward(self, x): return self.conv(x) class UNet(nn.Module): def __init__(self, in_ch3, out_ch1, base_ch64): super().__init__() # base_ch 表示第一層卷積的輸出通道數(shù)之后每下采樣一次通道翻倍 self.enc1 DoubleConv(in_ch, base_ch) self.enc2 DoubleConv(base_ch, base_ch * 2) self.enc3 DoubleConv(base_ch * 2, base_ch * 4) self.enc4 DoubleConv(base_ch * 4, base_ch * 8) self.pool nn.MaxPool2d(2) self.bottleneck DoubleConv(base_ch * 8, base_ch * 16) self.up4 nn.ConvTranspose2d(base_ch * 16, base_ch * 8, 2, stride2) self.dec4 DoubleConv(base_ch * 16, base_ch * 8) self.up3 nn.ConvTranspose2d(base_ch * 8, base_ch * 4, 2, stride2) self.dec3 DoubleConv(base_ch * 8, base_ch * 4) self.up2 nn.ConvTranspose2d(base_ch * 4, base_ch * 2, 2, stride2) self.dec2 DoubleConv(base_ch * 4, base_ch * 2) self.up1 nn.ConvTranspose2d(base_ch * 2, base_ch, 2, stride2) self.dec1 DoubleConv(base_ch * 2, base_ch) self.out nn.Conv2d(base_ch, out_ch, 1) def forward(self, x): e1 self.enc1(x) # [B, 64, H, W] e2 self.enc2(self.pool(e1)) # [B, 128, H/2, W/2] e3 self.enc3(self.pool(e2)) # [B, 256, H/4, W/4] e4 self.enc4(self.pool(e3)) # [B, 512, H/8, W/8] b self.bottleneck(self.pool(e4)) # [B, 1024, H/16, W/16] d4 self.up4(b) d4 torch.cat([d4, e4], dim1) # 跳躍連接沿通道拼接 d4 self.dec4(d4) d3 self.up3(d4) d3 torch.cat([d3, e3], dim1) d3 self.dec3(d3) d2 self.up2(d3) d2 torch.cat([d2, e2], dim1) d2 self.dec2(d2) d1 self.up1(d2) d1 torch.cat([d1, e1], dim1) d1 self.dec1(d1) return self.out(d1)base_ch64是指第一層輸出 64 個特征圖每下采樣一次通道翻倍到最底層是base_ch * 16 1024。通道數(shù)翻倍與分辨率減半同步進行這樣模型的計算量基本維持穩(wěn)定。跳躍連接對應(yīng)的代碼是torch.cat([d4, e4], dim1)注意 dim1 是通道拼接不是在空間上疊加這要求編碼器第 4 層輸出與解碼器上采樣后的空間尺寸必須一致否則拼接會直接報維度錯誤。訓(xùn)練階段輸入尺寸應(yīng)該能被 16 整除這是為什么前面 dataset 里把圖像縮放成 512×512 而不是 500×500 的深層原因。3.3 BCE與Dice Loss的組合邏輯轎車背景去除是二分類問題最直接的損失函數(shù)是 BCEBinary Cross Entropy。單獨使用 BCE 在正負樣本極度不平衡時有明顯缺陷一張圖里背景像素經(jīng)常占 80% 以上模型只要把所有像素預(yù)測為背景就能把 BCE 壓到很低但輸出的 mask 里根本沒有車。Dice Loss 是從評估指標 Dice 系數(shù)反推出來的損失函數(shù)直接優(yōu)化“預(yù)測區(qū)域與真實區(qū)域的重疊度”對類別不平衡不敏感。實踐中更穩(wěn)定的是兩者組合即 BCE 加 Diceclass BCEDiceLoss(nn.Module): BCE Dice 組合損失bce_weight 控制兩者占比 def __init__(self, bce_weight0.5): super().__init__() self.bce_weight bce_weight def forward(self, pred, target): pred torch.sigmoid(pred) # 把 logits 壓縮到 0~1 bce F.binary_cross_entropy(pred, target) smooth 1e-6 # 防止分母為 0 的平滑項 intersection (pred * target).sum() union pred.sum() target.sum() dice 1 - (2.0 * intersection smooth) / (union smooth) return self.bce_weight * bce (1 - self.bce_weight) * dicebce_weight0.5表示兩者等權(quán)混合。如果訓(xùn)練時發(fā)現(xiàn) loss 下降到 0.3 左右就停滯但預(yù)測的掩碼粘連、邊緣粗糙可以調(diào)成bce_weight0.7加大逐像素約束如果發(fā)現(xiàn)訓(xùn)練前期模型輸出的區(qū)域覆蓋不全把bce_weight調(diào)低到 0.3讓 Dice 主導(dǎo)模型聚焦整體結(jié)構(gòu)。下表列出三種損失函數(shù)的適用差異便于答辯時說明損失組合優(yōu)勢劣勢適用場景BCE 單獨梯度平穩(wěn)實現(xiàn)簡單正負樣本不平衡時偏向背景前景占比均衡時Dice 單獨直接優(yōu)化重疊度梯度震蕩明顯小目標不穩(wěn)定前景占比極低時BCE Dice兩者互補收斂平滑需要多調(diào)一個權(quán)重參數(shù)車輛分割首選方案需要特別說明sigmoid BCE的組合在數(shù)值上不如nn.BCEWithLogitsLoss穩(wěn)定后者內(nèi)部做了數(shù)值保護。上面的代碼為了直觀展示梯度計算流程才顯式調(diào)用sigmoid在損失函數(shù)中先 sigmoid 再計算 BCE梯度會經(jīng)過兩次非線性變換實際項目中直接用nn.BCEWithLogitsLoss會更安全這個細節(jié)可以寫進課程設(shè)計的改進說明里。4. 訓(xùn)練配置與設(shè)計模式視角下的工程化重構(gòu)4.1 config.py如何統(tǒng)一管理超參數(shù)訓(xùn)練階段涉及的參數(shù)數(shù)量遠比想象中多學習率、批次大小、迭代輪數(shù)、圖像尺寸、數(shù)據(jù)路徑、損失權(quán)重分散在代碼各處時調(diào)參就是一場災(zāi)難。軟件體系結(jié)構(gòu)課程設(shè)計里提倡的高內(nèi)聚低耦合落到訓(xùn)練代碼上就是先把所有可調(diào)參數(shù)集中到 config.py 統(tǒng)一管理class Config: 集中管理訓(xùn)練與推理參數(shù)避免魔法數(shù)字散落在各模塊 # 數(shù)據(jù)路徑 train_img_dir dataset/train/input train_mask_dir dataset/train/mask val_img_dir dataset/val/input val_mask_dir dataset/val/mask # 圖像與訓(xùn)練 img_size 512 # 必須能被 16 整除U-Net 下采樣 4 次 batch_size 8 # 顯存不足時優(yōu)先降到 4而不是調(diào)小圖片 epochs 40 learning_rate 1e-4 # Adam 下 1e-4 比默認 1e-3 更穩(wěn) num_workers 4 # Windows 上建議設(shè)為 0否則可能報錯 # 損失與優(yōu)化器 bce_weight 0.5 weight_decay 1e-5 save_path checkpoints/best_model.pthimg_size512對應(yīng)之前提到的 16 整除要求batch_size8在單張 1080Ti 上剛好合適learning_rate1e-4是實踐中最穩(wěn)的選擇默認的1e-3在分割任務(wù)上經(jīng)常出現(xiàn)訓(xùn)練早期 loss 震蕩甚至直接發(fā)散這一點會在訓(xùn)練循環(huán)里通過學習率策略進一步控制。參數(shù)集中之后所有模塊通過Config.xxx訪問參數(shù)后續(xù)做實驗只需要改這一個文件答辯演示時也比較直觀。下表匯總了一份可直接套用的訓(xùn)練超參數(shù)規(guī)劃其中優(yōu)化器、學習率策略對收斂影響最顯著參數(shù)推薦值說明優(yōu)化器Adam對學習率不敏感適合課程設(shè)計階段初始學習率1e-4高于 1e-3 時容易震蕩learning rate 策略ReduceLROnPlateau指標停滯時降低為原來的 0.1批次大小8顯存不足時降低 batch_size訓(xùn)練輪數(shù)305040 輪左右 val loss 進入平臺期權(quán)重初始化kaiming_normal配合 ReLU 使用4.2 訓(xùn)練循環(huán)的實現(xiàn)與學習率策略訓(xùn)練循環(huán)是每個課程設(shè)計必須提交的核心代碼。完整邏輯包括前向傳播、計算損失、反向傳播、梯度更新、驗證集評估、模型保存六個步驟。下面的代碼去掉了無關(guān)的打印信息保留主干def train_one_epoch(model, dataloader, optimizer, criterion, device): model.train() total_loss 0.0 for imgs, masks in dataloader: imgs imgs.to(device) masks masks.to(device) optimizer.zero_grad() outputs model(imgs) loss criterion(outputs, masks) loss.backward() optimizer.step() total_loss loss.item() return total_loss / len(dataloader) def evaluate(model, dataloader, criterion, device): model.eval() total_loss 0.0 with torch.no_grad(): for imgs, masks in dataloader: imgs imgs.to(device) masks masks.to(device) outputs model(imgs) loss criterion(outputs, masks) total_loss loss.item() return total_loss / len(dataloader)訓(xùn)練主循環(huán)部分結(jié)合前面提到的學習率策略加進去ReduceLROnPlateau的完整調(diào)用model UNet(in_ch3, out_ch1).to(device) optimizer torch.optim.Adam(model.parameters(), lrConfig.learning_rate, weight_decayConfig.weight_decay) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemin, factor0.1, patience5, verboseTrue ) best_val_loss float(inf) for epoch in range(Config.epochs): train_loss train_one_epoch(model, train_loader, optimizer, criterion, device) val_loss evaluate(model, val_loader, criterion, device) # 檢測 val_loss 連續(xù)多個 epoch 不下降時降低學習率 scheduler.step(val_loss) if val_loss best_val_loss: best_val_loss val_loss torch.save(model.state_dict(), Config.save_path) print(fEpoch {epoch:02d}, saved best model, val_loss: {val_loss:.4f})optimizer.zero_grad()放在每個 batch 之前作用是清空上一次反向傳播累積的梯度這個步驟遺漏會導(dǎo)致梯度跨 batch 累加、loss 異常波動。torch.save(model.state_dict(), ...)只保存權(quán)重不保存模型結(jié)構(gòu)加載時需要先用UNet()實例化模型再load_state_dict。ReduceLROnPlateau的modemin表示監(jiān)控指標越低越好factor0.1表示每次降為原來的十分之一設(shè)成 0.5 會更平滑但會拉長訓(xùn)練時間。4.3 用策略模式與工廠模式解耦數(shù)據(jù)與損失模塊軟件體系結(jié)構(gòu)與設(shè)計模式課程設(shè)計的核心考核點體現(xiàn)在這里。數(shù)據(jù)加載與損失函數(shù)是兩個最容易替換的擴展點換數(shù)據(jù)集、換損失函數(shù)是調(diào)優(yōu)過程中的高頻操作。如果代碼里到處是if dataset_type carvana這樣的分支每加一種數(shù)據(jù)集就要動已有代碼違反開閉原則。用工廠模式封裝數(shù)據(jù)加載器用策略模式封裝損失函數(shù)class LossFactory: 策略模式根據(jù)名稱返回對應(yīng)的損失函數(shù)實例 _losses { bce_dice: BCEDiceLoss, dice: DiceLoss, bce: nn.BCEWithLogitsLoss, } classmethod def create(cls, name, **kwargs): if name not in cls._losses: raise ValueError(fUnknown loss: {name}) return cls._losses[name](**kwargs) class DatasetFactory: 工廠模式按數(shù)據(jù)集類型構(gòu)造對應(yīng)的 Dataset staticmethod def create(dataset_type, img_dir, mask_dir, **kwargs): if dataset_type car: return CarSegDataset(img_dir, mask_dir, **kwargs) if dataset_type general: return GeneralSegDataset(img_dir, mask_dir, **kwargs) raise ValueError(fUnsupported dataset: {dataset_type})兩個工廠類的設(shè)計意圖不同LossFactory是對創(chuàng)建邏輯的集中封裝用字典注冊類名與類的映射新增損失函數(shù)時只需要在_losses字典里加一行其余訓(xùn)練代碼零改動DatasetFactory做的是條件分發(fā)當新增一種數(shù)據(jù)集時不必在每個用到Dataset的地方加判斷。實際項目中如果只做課程設(shè)計不需要過度設(shè)計但這兩個工廠類的代碼量很少又恰好覆蓋了設(shè)計模式的兩個經(jīng)典考核點屬于性價比很高的工程化改造。5. 從IoU到批量摳圖評估腳本與推理后處理5.1 IoU / Dice評估與常見統(tǒng)計誤區(qū)訓(xùn)練完成后需要回答一個關(guān)鍵問題這個模型到底好不好。評估指標不應(yīng)只看 loss因為 BCE Loss 很小不代表分割結(jié)果好。語義分割的標準評估指標是 IoU即預(yù)測區(qū)域與真實區(qū)域的交集除以并集。另一個常用指標是 Dice 系數(shù)它與 IoU 之間可以互相換算Dice 2 * IoU / (1 IoU)。計算代碼很短但統(tǒng)計過程有一個常見誤區(qū)def compute_metrics(pred_mask, gt_mask, threshold0.5): pred_mask: 模型輸出的概率圖, gt_mask: 真實標簽 pred_bin (pred_mask threshold).astype(int) gt_bin (gt_mask threshold).astype(int) intersection (pred_bin gt_bin).sum() union (pred_bin | gt_bin).sum() iou intersection / union dice (2 * intersection) / (pred_bin.sum() gt_bin.sum()) return iou, dice誤區(qū)在于不要把 batch 內(nèi)所有樣本的 IoU 先求平均而應(yīng)該先累加所有樣本的 intersection 和 union最后再統(tǒng)一相除兩種統(tǒng)計方式在小樣本測試集上可能相差 2 到 3 個百分點。誤用場景是當某張圖完全沒有車時union 為 0直接計算會產(chǎn)生除零錯誤正確做法是跳過該樣本或在分子分母同時加平滑項。課程設(shè)計里只需寫清楚你用的是哪種統(tǒng)計口徑。5.2 單張推理與批量摳圖的可執(zhí)行步驟最后一步是把訓(xùn)練好的模型應(yīng)用到真實圖片上。推理腳本需要完成加載權(quán)重、預(yù)處理、前向傳播、后處理、保存結(jié)果五個步驟。后處理部分有一個容易被忽略的操作預(yù)測出的概率圖直接以 0.5 為閾值二值化后可能會出現(xiàn)一些小面積噪點或細小孔洞用形態(tài)學開運算去除噪點、用閉運算填充孔洞是標準做法import cv2 import torch def inference_one_image(model, img_path, device, save_path, thresh0.5): # 1. 預(yù)處理讀圖、縮放、歸一化、轉(zhuǎn) tensor img cv2.imread(img_path) img_rgb cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_resized cv2.resize(img_rgb, (Config.img_size, Config.img_size)) # 2. 歸一化ImageNet 均值方差 img_norm img_resized / 255.0 img_tensor torch.from_numpy(img_norm).permute(2, 0, 1).unsqueeze(0).float() img_tensor img_tensor.to(device) # 3. 前向傳播得到概率圖 model.eval() with torch.no_grad(): prob torch.sigmoid(model(img_tensor)).cpu().numpy()[0, 0] # 4. 二值化 形態(tài)學后處理 mask (prob thresh).astype(np.uint8) * 255 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) mask cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) # 先開運算去噪點 mask cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) # 再閉運算填空洞 # 5. 原圖尺寸恢復(fù)并疊加背景 mask_resized cv2.resize(mask, (img.shape[1], img.shape[0]), interpolationcv2.INTER_NEAREST) result img.copy() result[mask_resized 0] [255, 255, 255] # 背景置為白色 cv2.imwrite(save_path, result)批量推理時把inference_one_image放進一個循環(huán)遍歷目錄下所有圖片即可無需額外寫多進程版本。MORPH_OPEN先腐蝕再膨脹能去除小于卷積核尺寸的白色噪點MORPH_CLOSE先膨脹再腐蝕能填充黑色區(qū)域里的白色空洞。對于轎車背景去除5×5 的卷積核大小適中改大會讓車輪邊緣的細小結(jié)構(gòu)被抹掉。最終保存結(jié)果時用INTER_NEAREST把 mask 恢復(fù)為原圖尺寸保持邊緣銳利不產(chǎn)生鋸齒色偏。跑通這個流程之后就完成了從課程設(shè)計考核的代碼邏輯說明到真實場景應(yīng)用的完整銜接。本文還有配套的精品資源點擊獲取