[CVPR2023亮点] 侧边适配器网络用于开放词汇语义分割

[PAMI] SAN: 侧边适配器网络用于开放词汇语义分割

这是我们会议论文"侧边适配器网络用于开放词汇语义分割"（主分支）和期刊论文"SAN: 侧边适配器网络用于开放词汇语义分割"（视频分支）的官方实现。

简介

本文提出了一种基于预训练视觉-语言模型的开放词汇语义分割新框架，称为侧边适配器网络（SAN）。我们的方法将语义分割任务建模为区域识别问题。一个侧边网络被附加到冻结的CLIP模型上，包含两个分支：一个用于预测掩码提案，另一个用于预测注意力偏置，应用于CLIP模型以识别掩码的类别。这种解耦设计有利于CLIP识别掩码提案的类别。由于附加的侧边网络可以重用CLIP特征，因此可以非常轻量。此外，整个网络可以端到端训练，允许侧边网络适应冻结的CLIP模型，使预测的掩码提案具有CLIP感知能力。

我们的方法快速、准确，并且只增加了少量额外的可训练参数。我们在多个语义分割基准上评估了我们的方法。与其他对手相比，我们的方法显著优于其他方法，可训练参数减少了18倍，推理速度提高了19倍。

目录

• 演示
• 安装
• 数据准备
• 使用方法
  • 训练
  • 评估
  • 可视化
• 常见问题

<span id="6"></span>

演示

• 在🤗HuggingFace上运行演示应用。（它在低配置机器上运行，可能会很慢）
• 使用Docker运行演示应用。

  docker build docker/app.Docker -t san_app
  docker run -it --shm-size 4G -p 7860:7860  san_app 
  

<span id="1"></span>

安装

1. 克隆仓库

   git clone https://github.com/MendelXu/SAN.git

2. 进入项目目录

   cd SAN

3. 安装依赖

   bash install.sh

   提示：您可以在 Docker 中运行任务，而不是在本地安装依赖。 使用预构建的 Docker 运行：

   docker run -it --gpus all --shm-size 8G mendelxu/pytorch:d2_nvcr_2008 /bin/bash
   

   或使用提供的 dockerfile docker/Dcokerfile 构建您自己的 Docker。

<span id="2"></span>

数据准备

参考 SimSeg。数据应按以下方式组织：

datasets/
    coco/
        ...
        train2017/
        val2017/
        stuffthingmaps_detectron2/
    VOC2012/
        ...
        images_detectron2/
        annotations_detectron2/
    pcontext/
        ...
        val/
    pcontext_full/
        ...
        val/
    ADEChallengeData2016/
        ...
        images/
        annotations_detectron2/
    ADE20K_2021_17_01/
        ...
        images/
        annotations_detectron2/        

提示 在代码中，这些数据集以相关的数据集名称注册。关系如下：

coco_2017_*_stuff_sem_seg : COCO Stuff-171
voc_sem_seg_*: Pascal VOC-20
pcontext_sem_seg_*: Pascal Context-59
ade20k_sem_seg_*: ADE-150
pcontext_full_sem_seg_*： Pascal Context-459
ade20k_full_sem_seg_*: ADE-847

<span id="3"></span>

使用方法

• 预训练权重

  模型	配置	权重	日志
  SAN-ViT-B/16	configs/san_clip_vit_res4_coco.yaml	Huggingface	日志
  SAN-ViT-L/14	configs/san_clip_vit_large_res4_coco.yaml	Huggingface	日志

• 评估

  <span id="4"></span>

  • 在所有数据集的验证集上评估训练好的模型。

  python train_net.py --eval-only --config-file <配置文件> --num-gpus <GPU数量> OUTPUT_DIR <输出路径> MODEL.WEIGHTS <训练好的模型路径>

  例如，评估我们预训练的模型：

  # 1. 从 https://huggingface.co/Mendel192/san/blob/main/san_vit_b_16.pth 下载 SAN (ViT-B/16 CLIP)。
  # 2. 将其放在 `output/model.pth`。
  # 3. 评估
    python train_net.py --eval-only --config-file configs/san_clip_vit_res4_coco.yaml --num-gpus 8 OUTPUT_DIR ./output/trained_vit_b16 MODEL.WEIGHTS output/model.pth
  

  • 在一个数据集的验证集上评估训练好的模型。

  python train_net.py --eval-only --config-file <配置文件> --num-gpus <GPU数量> OUTPUT_DIR <输出路径> MODEL.WEIGHTS <训练好的模型路径> DATASETS.TEST "('<填写数据集名称>',)"

• 可视化

  <span id="7"></span>

  python visualize_json_results.py --input <JSON结果> --output <保存可视化结果的位置> --dataset <数据集>
  # 示例：
  # 生成结果。
  # python train_net.py --eval-only --config-file configs/san_clip_vit_res4_coco.yaml --num-gpus 1 OUTPUT_DIR ./output/trained_vit_b16 MODEL.WEIGHTS output/san/san_vit_b_16.pth DATASETS.TEST '("pcontext_sem_seg_val",)'
  # 可视化
  # python visualize_json_results.py --input output/trained_vit_b16/inference/sem_seg_predictions.json --output output/viz --dataset pcontext_sem_seg_val

<span id="5"></span>

• 训练

  wandb off
  # [可选] 如果您想将训练日志记录到 wandb。
  # wandb login
  # wandb on
  python train_net.py --config-file <配置文件> --num-gpus <GPU数量> OUTPUT_DIR <输出路径> WANDB.NAME <WANDB日志名称>

  提示：我们使用 <> 表示您应根据自己的设置替换的变量。

常见问题

<span id="8"></span>

如果您发现在 GitHub 上很难及时得到作者的回复，请直接发送电子邮件至 [shea.mendel] [AT] [gmail.com]。

许可证

在MIT许可证下分发。有关更多信息，请参阅LICENSE文件。

引用

如果您觉得有帮助，可以在您的工作中引用我们的论文。

@proceedings{xu2023side,
  title={用于开放词汇语义分割的侧面适配器网络},
  author={徐梦德, 张政, 魏方韵, 胡瀚, 白翔},
  journal={CVPR},
  year={2023}
}