作者：张强，Datawhale成员
相信许多读者体验过b站上的全景视频，如果还没有，快来体验一下吧[1]！只需鼠标点击并移动，便可360度无死角的浏览全景视频，让人如同身临其境。全景图像，又称360°全景图，其数据分布在球面空间上。但是，当我们将全景图像展开时，会造成畸变。
怎么处理？直接将传统二维平面图像处理方法应用到球面数据上，其效果则会大大降低。而要解决分布在球面空间上的数据，需要特定的方法，比如球面卷积网络。本文手把手带你实践一个有趣的应用——全景图像语义分割，使用多种传统CNN方法和球面CNN方法进行对比。
如下图所示，全景图分割实例像素级别分类，每种实例对应一个标签。完成本教程后，你将能够做一个图中所示的全景图小应用。
文章数据集获取与代码地址见文末
1. 环境构建
基于深度学习的编程环境往往有各种复杂的环境依赖，而各种安装报错总是消磨我们的时间，其实之一过程可以大大缩短。我们所需要的也就是通过一个命令安装所有的依赖并打开环境
make up #等价于 docker-compose up -d
再通过一个命令
make in
来进入我们需要的环境，然后运行程序。为实现构建这一过程，基于docker –docker-compose – make来搭建我们的环境，其原理如下图所示：
docker –docker-compose – make三个工具对应三个配置文件，都在项目根目录进行了声明：
Dockerfile
docker-compose.yml
Makefile
其中
-
Dockerfile 定义了实验所需要的所有环境，依据此文件可以编译成docker镜像，其中包含我们需要的库 -
docker-compose.yml定义了镜像的启动方式，在本文中，我们定义两个服务，一个作为终端来运行命令，一个作为jupyter lab供调试 -
Makefile定义了启动环境的方式
本文实验环境：Ubuntu20.04，CUDA11.0，Pytorch1.7
Docker安装
# 1.安装docker
sudo apt install -y docker docker.io
# 2.安装英伟达docker
distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
&& curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \
&& curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update
sudo apt-get install -y nvidia-docker2
# 3.安装docker-compose(apt常常不能安装最新版本的docker-compose)
pip install docker-compose
# 4.解决linux下docker的权限问题，将用户放在docker组里
GROUPNAME=docker
getent group $GROUPNAME 2>&1 >/dev/null || groupadd $GROUPNAME
sudo usermod -aG docker $(whoami)
# 5.重启
sudo systemctl daemon-reload
sudo systemctl restart docker
使用Docker镜像
Docker镜像构建好之后，可以直接运行docker命令启动镜像，但是这样不是最方便的。使用docker-compose搭配Makefile，具体操作如下：首先写好docker-compose.yml启动文件，可参考本项目对应的docker-compose.yml，接着，在Makefile里写常见docker相关命令，我们将应用分为启动（up）、关闭（down）、进入容器环境（in）三个需求，Makefile如下：
up:
docker-compose up -d
down:
docker-compose down
in:
docker-compose exec spherical-env bash
本项目镜像已上传dockerhub，可以直接使用下列命令下载
docker pull qiangzibro/spherical_image_segmentation
# 或者使用下面命令自己编译
make build
接着，一键完成编译、启动
make up #等价于 docker-compose up -d
再通过下列命令便可以进入终端
make in
使用docker-compose logs可以看到notebook对应的网址
2. 数据获取
使用2D-3D-S 数据集进行本实验，该数据集提供了来自 2D、2.5D 和 3D 域的各种相互注册的数据，以及实例级语义和几何注释。它收集在来自 3 座不同建筑的 6 个大型室内区域。它包含超过 70,000 张 RGB 图像，以及相应的深度、表面法线、语义注释、全局 XYZ 图像（均以常规和 360° 等距柱状图图像的形式）以及相机信息。它还包括注册的原始和语义注释 3D 网格和点云。
数据集从开源数据集网站格物钛获取，这个网站汇总了AI开发者常见的公开数据集，用户可以对数据集进行可视化预览、在线使用和下载等操作。这里我们不用下载，可以直接通过SDK读取数据集，操作步骤如下：
b. 右上角注册登录
c. fork数据集
d. 点击网页上方开发者工具，获取使用SDK所需的AccessKey，获取到 AccessKey 后，将其存在项目根目录的gas_key.py里。
KEY = "<Your-Key>"
然后即可以通过AccessKey可以上传数据、读取数据、使用数据，灵活对接模型开发和训练，与数据pipeline快速集成。
e. AccessKey写入后就可以写代码读取数据了。
from PIL import Image
dataset = Dataset("DatasetName", gas)
segment = dataset[0]
for data in segment:
with data.open() as fp:
image = Image.open(fp)
width, height = image.size
image.show()
3. 方法
使用多种二维CNN方法和球面卷积方法UGSCNN。
其中，二维CNN有三种：UNet、ResNet和FCN；UGSCNN[3]参考自论文《Spherical CNNs on Unstructured Grids》，下面着重看一下UGSCNN的方法。
MeshConv对卷积算子进行定义：
class MeshConv(_MeshConv):
def __init__(self, in_channels, out_channels, mesh_file, stride=1, bias=True):
super(MeshConv, self).__init__(in_channels, out_channels, mesh_file, stride, bias)
pkl = self.pkl
if stride == 2:
self.nv_prev = pkl['nv_prev']
L = sparse2tensor(pkl['L'].tocsr()[:self.nv_prev].tocoo()) # laplacian matrix V->V
F2V = sparse2tensor(pkl['F2V'].tocsr()[:self.nv_prev].tocoo()) # F->V, #V x #F
else: # stride == 1
self.nv_prev = pkl['V'].shape[0]
L = sparse2tensor(pkl['L'].tocoo())
F2V = sparse2tensor(pkl['F2V'].tocoo())
self.register_buffer("L", L)
self.register_buffer("F2V", F2V)
def forward(self, input):
# compute gradient
grad_face = spmatmul(input, self.G)
grad_face = grad_face.view(*(input.size()[:2]), 3, -1).permute(0, 1, 3, 2) # gradient, 3 component per face
laplacian = spmatmul(input, self.L)
identity = input[..., :self.nv_prev]
grad_face_ew = torch.sum(torch.mul(grad_face, self.EW), keepdim=False, dim=-1)
grad_face_ns = torch.sum(torch.mul(grad_face, self.NS), keepdim=False, dim=-1)
grad_vert_ew = spmatmul(grad_face_ew, self.F2V)
grad_vert_ns = spmatmul(grad_face_ns, self.F2V)
feat = [identity, laplacian, grad_vert_ew, grad_vert_ns]
out = torch.stack(feat, dim=-1)
out = torch.sum(torch.sum(torch.mul(out.unsqueeze(1), self.coeffs.unsqueeze(2)), dim=2), dim=-1)
out += self.bias.unsqueeze(-1)
return out
分割网络基于MeshConv算子构建了一个Unet网络：
4. 训练
环境构建好后只需简单的几个命令便可以运行起来
再使用make in成功进入到容器终端
- 基于CNN对网格进行分割
cd cnns
# 基于
./run.sh UNet
# 基于FCN
./run.sh FCN8s
# 基于ResNetDUCHDC
./run.sh ResNetDUCHDC
脚本run.sh解释
# Model choice
# ResNetDUCHDC,FCN8s,UNet
# Run example
# 1) ./run.sh
# 2) ./run.sh FCN8s
# 3) ./run.sh ResNetDUCHDC
model="${1:-UNet}"
MESHFILES=../data/mesh_files
DATADIR=../data/2d3ds_pano_small/
# create log directory
mkdir -p logs
python train.py \
--batch-size 16 \ # 训练批量大小
--test-batch-size 16 \ #测试批量大小
--epochs 200 \ # 训练epoch数量
--data_folder $DATADIR \
--mesh_folder $MESHFILES \ # 正二十面体网格文件位置
--fold 3 \ # K-fold交叉验证，k=3。将原始数据分成K组(K-Fold)，将每个子集数据分别做一次验证集，其余的K-1组子集数据作为训练集，这样会得到K个模型。这K个模型分别在验证集中评估结果，最后的误差MSE(Mean Squared Error)加和平均就得到交叉验证误差。交叉验证有效利用了有限的数据，并且评估结果能够尽可能接近模型在测试集上的表现，可以做为模型优化的指标使用。
--log_dir logs/log_${model}_f16_cv3_rgbd \ # 日志目录
--decay \ # 学习率衰减
--train_stats_freq 5 \
--model ${model} \ #模型选择
--in_ch rgbd \ # 输入数据通道
--lr 1e-3 \ # 学习路
--feat 16 #特征层的数量
基于UGSCNN对球面数据进行分割
cd ugscnn
./run.sh
训练200个epoch后，可得如下结果：
5. 测试
使用提供的测试脚本test.sh即可进行测试
# 基于UNet
./test.sh UNet
# 基于FCN
./test.sh FCN8s
# 基于ResNetDUCHDC
./test.sh ResNetDUCHDC
测试结果保存在当前目录下，命名格式为模型名+.npz，将其打开进行结果分析，如下所示。
全景图实例：
结果：
总结
本文介绍了docker作为环境构建的知识，介绍几种基于传统CNN方法和一种基于球面CNN的方法，并将上述方法在全景数据集上完成了分割任务。
数据集地址（代码上传在数据集讨论区）：
https://gas.graviti.cn/dataset/qiangzibro/spherical_segmentation
参考资料
[ 1 ] : https://www.bilibili.com/video/BV1NT4y1w7cy?from=search&seid=10079355191633664125
[ 2 ] : https://mp.weixin.qq.com/s/RZqa9aNgK--7pnkJHV1cAw
[ 3 ] : https://www.graviti.cn/
[ 4 ] : https://github.com/maxjiang93/ugscnn/
