基于BSDS500数据集的图像分割实战：从数据预处理到模型优化

1次阅读

共计 1917 个字符，预计需要花费 5 分钟才能阅读完成。

BSDS500 数据集作为边缘检测的经典基准，包含 500 张自然图像（200 训练 /100 验证 /200 测试），每个像素点由 5 -10 人标注。实际使用中发现三大痛点：

标注不一致性：多人标注导致边缘线粗细不一，同一物体的标注可能相差 3 - 5 像素，影响模型学习确定性特征
类别不平衡：背景像素占比超 90%，传统交叉熵损失易被主导
边缘模糊样本：约 15% 的图像包含毛发、烟雾等半透明物体边缘，常规卷积难以捕捉

针对非均匀标注问题，我们采用概率融合策略：

将多人标注视为概率图，通过高斯滤波（σ=1.5）生成连续边缘概率分布
设置动态阈值（0.3-0.7）二值化，保留主要边缘结构同时平滑噪声

# 标注融合代码示例
def fuse_annotations(annotations):
    prob_map = np.zeros_like(annotations[0], dtype=np.float32)
    for ann in annotations:
        prob_map += ann/255.0
    prob_map = gaussian_filter(prob_map/len(annotations), sigma=1.5)
    return (prob_map > np.random.uniform(0.3, 0.7)).astype(np.uint8)

专门针对边缘检测的增强组合：

弹性变形 ：使用 OpenCV 的cv2.remap 实现局部形变，增强对弯曲边缘的鲁棒性
定向模糊：沿边缘切线方向进行运动模糊，模拟真实场景抖动
对比度扰动：在 HSV 空间随机调整 V 通道（±20%），避免光照敏感

双损失加权方案：

Dice Loss：解决类别不平衡问题，公式：
$$L_{dice} = 1 – \frac{2\sum p_i g_i}{\sum p_i + \sum g_i}$$
边缘敏感 Loss：在预测与标注边缘的 3px 邻域内计算 MSE

class EdgeLoss(nn.Module):
    def __init__(self, edge_weight=3.0):
        self.edge_kernel = torch.tensor([[-1,-1,-1],[-1,8,-1],[-1,-1,-1]])

    def forward(self, pred, target):
        pred_edge = F.conv2d(pred, self.edge_kernel)
        target_edge = F.conv2d(target, self.edge_kernel)
        return F.mse_loss(pred_edge, target_edge)

class BSDSDataset(Dataset):
    def __init__(self, root, augment=True):
        self.image_paths = sorted(Path(root).glob('images/*.jpg'))
        self.augment = augment

    def __getitem__(self, idx):
        img = cv2.imread(str(self.image_paths[idx]))
        anns = [cv2.imread(p, 0) for p in 
                Path('groundTruth').glob(f'{self.image_paths[idx].stem}_*.png')]

        # 标注融合与增强
        mask = fuse_annotations(anns)
        if self.augment:
            img, mask = elastic_transform(img, mask)

        return torch.from_numpy(img).float(), torch.from_numpy(mask).float()