【图像分割】记录1：unet， yolov8_seg

1、数据部分

图像分割任务通常涉及两种不同级别的标注方式，在精细度和应用场景上有明显区别：

1.1 像素级分割（Pixel-level Segmentation）

• 最精细的标注级别，每个像素都被分类
• 主要类型：
  • 语义分割（Semantic Segmentation）：为每个像素分配类别标签（如"人"、“车”），不区分同类实例
  • 实例分割（Instance Segmentation）：区分同类物体的不同实例（如区分多个人）
  • 全景分割（Panoptic Segmentation）：结合语义和实例分割，标注所有像素且区分实例

1.2 检测框级分割（Bounding Box-level）

• 用矩形框标注物体大致范围
• 常见变体：
  • 常规检测框（Axis-aligned Bounding Box）
  • 旋转检测框（Rotated Bounding Box）
  • 多边形近似（Polygon Annotation）：用多边形逼近物体轮廓

关键区别：

特征	像素级分割	检测框级分割
精度	亚像素级	物体级
标注成本	高（需逐像素标注）	较低（框选即可）
适用场景	医疗影像、自动驾驶等精细场景	通用物体检测
计算复杂度	高	较低
输出结果	精确轮廓	大致位置和范围

混合应用场景：

1. 一些框架（如Mask R-CNN）会同时输出检测框和像素级掩码
2. 弱监督学习中常用检测框作为初始标注，再生成像素级标签
3. 工业界常用检测框预标注+人工像素级修正的工作流程

最新趋势：

• 交互式分割（如点击引导的GrabCut算法）
• 基于SAM等大模型的零样本分割
• 点标注、涂鸦标注等弱监督方式

选择建议：

• 需要精确形状分析（如医学肿瘤分割）必须用像素级
• 只需物体定位和计数的场景（如零售货架检测）可用检测框
• 资源有限时可考虑检测框标注配合分割算法生成伪标签

2、模型部分

2.1 Unet模型复现记录

2.1.1 代码和数据获取

git clone https://github.com/milesial/Pytorch-UNet.git

数据获取：https://blog.csdn.net/shinuone/article/details/143382947

2.1.2 环境配置

conda create -n unet python=3.8 -y
conda activate unet
pip install -r requirements.txt
pip install torch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 --index-url https://download.pytorch.org/whl/cu118
conda install cudatoolkit=11.8.0
cudnn安装路径修改：E:\software_install\miniconda\envs\unet\Library; 文件夹替换

2.1.3 参数修改

（1）train.py中训练文件夹路径

修改成对应文件夹下的路径

2.1.4 bug解决

1、问题1：数据处理过程中存在的问题
C:\actions-runner_work\pytorch\pytorch\builder\windows\pytorch\aten\src\ATen\native\cuda\NLLLoss2d.cu:104: block: [1,0,0], thread: [127,0,0] Assertion t >= 0 && t < n_classes failed.

解决方案，修改data_loading.py中，img数组的值判定结果

    @staticmethoddef preprocess(mask_values, pil_img, scale, is_mask):w, h = pil_img.sizenewW, newH = int(scale * w), int(scale * h)assert newW > 0 and newH > 0, 'Scale is too small, resized images would have no pixel'pil_img = pil_img.resize((newW, newH), resample=Image.NEAREST if is_mask else Image.BICUBIC)img = np.asarray(pil_img)if is_mask:img = np.asarray(pil_img).copy()  # 加 .copy() 变成可写img[img > 0] = 1  # 所有非0都设为1（仅二分类）mask = np.zeros((newH, newW), dtype=np.int64)for i, v in enumerate(mask_values):if img.ndim == 2:mask[img == v] = ielse:mask[(img == v).all(-1)] = ireturn mask

2.1.5 模型推理部分

参数修改

3、部署部分

3.1 android-yolov8-seg-onnx部署

3.1.1 软件和配置

3.1.1.1安装andorid_studio

(1) SDK Platforms

(2) SDK Tools

3.1.1.2 安装jdk

3.1.1.3 项目结构配置

AGP和Gradle的版本设置为8.2.1

3.1.1.4 文件内参数设置（参考）

文件名	层级	职责
build.gradle (Project)	项目级	配置项目全局构建，如仓库、Gradle 插件版本
build.gradle (Module: app)	模块级	配置 app 模块构建，如编译版本、依赖、签名、混淆等
gradle-wrapper.properties	项目级	指定 Gradle 版本及下载路径，实现 Gradle 版本统一管理
local.properties	本地级	配置本地环境路径（如 SDK 路径），不提交版本控制
settings.gradle	项目级	声明项目包含的模块，定义项目结构范围

build.gradle (Project)

// Top-level build file where you can add configuration options common to all sub-projects/modules.
buildscript {repositories {google()mavenCentral()}dependencies {classpath 'com.android.tools.build:gradle:8.2.1' // 使用最新的稳定版本}
}allprojects {repositories {google()mavenCentral()}
}

build.gradle (Module: app)

apply plugin: 'com.android.application'android {compileSdkVersion 24// buildToolsVersion "29.0.2"defaultConfig {applicationId "com.tencent.yolov8ncnn"archivesBaseName = "$applicationId"minSdkVersion 24testInstrumentationRunner "android.support.test.runner.AndroidJUnitRunner"// 添加abiFiltersexternalNativeBuild {cmake {cppFlags "-std=c++11 -frtti -fexceptions"abiFilters 'arm64-v8a'//arguments "-DANDROID_STL=c++_shared"}}    // 添加abiFiltersndk {abiFilters 'arm64-v8a'}}// 设置jniLibs// sourceSets {//     main {//         jniLibs.srcDirs = ['src/main/jniLibs']//     }// }externalNativeBuild {cmake {version "3.10.2"path file('src/main/jni/CMakeLists.txt')}}dependencies {implementation 'com.android.support:support-v4:24.0.0'}ndkVersion '24.0.8215888'namespace "com.tencent.yolov8ncnn"
}

gradle-wrapper.properties

#Fri Jul 25 08:37:19 CST 2025
distributionBase=GRADLE_USER_HOME
distributionPath=wrapper/dists
distributionUrl=https\://services.gradle.org/distributions/gradle-8.2.1-bin.zip
zipStoreBase=GRADLE_USER_HOME
zipStorePath=wrapper/dists

local.properties

## This file must *NOT* be checked into Version Control Systems,
# as it contains information specific to your local configuration.
#
# Location of the SDK. This is only used by Gradle.
# For customization when using a Version Control System, please read the
# header note.
#Thu Jul 24 13:39:13 CST 2025
sdk.dir=C\:\\Users\\Administrator\\AppData\\Local\\Android\\Sdk
ndk.dir=C\:\\Users\\Administrator\\AppData\\Local\\Android\\Sdk\\ndk\\24.0.8215888
cmake.dir=C\:\\Users\\Administrator\\AppData\\Local\\Android\\Sdk\\cmake\\3.10.2.4988404

settings.gradle

include ':app'

3.1.2 参考链接

（1）android_yolov8_seg：
https://www.bilibili.com/video/BV1u1421Q7xZ?spm_id_from=333.788.videopod.episodes&vd_source=8d7b08caa2ce5bc9e61e3d1e486ddca5&p=2
（2）https://github.com/Digital2Slave/ncnn-android-yolov8-seg.git