尧图网站建设 
简介这份源码面向具备一定深度学习基础的开发者与研究者提供一套基于Python与全卷积网络的字体笔划分割完整实现方案可用于古籍字形分析、手写字符结构拆解或书法笔画提取等场景。资源包共25个文件以18个Python脚本为核心覆盖模型定义、训练与预测全流程另含yaml环境配置、txt说明文档、png与jpg示例图及license等辅助文件压缩包约200KB体量轻便易于本地部署。项目内已集成FCN、U-Net、SegNet及自定义网络等多种分割架构并配套miou、fwiou、mpa等评估指标脚本与绘图工具便于横向对比模型表现。目前已有338人学习下载适合希望快速复现笔划分割实验、理解全卷积网络在字形任务中应用细节的读者参考借鉴。1. 字体笔划分割为什么要用全卷积网络一份能跑通的 Python 源码拆解做字体设计或者 OCR 预处理的同行大概率遇到过这个场景拿到一套手写体扫描件想把每个字的横竖撇捺拆成独立笔画用传统 OpenCV 的轮廓提取加细化算法跑一遍笔画交叉处直接糊成一团断笔、粘连、毛刺全出来了。规则调参调到怀疑人生换一套字体又得重来。这份基于 Python 的深度学习全卷积网络字体笔划分割源码解决的正是这个痛点——它用 FCN、U-Net、SegNet 三种全卷积架构做像素级二分类把笔画从背景里逐像素抠出来而不是靠边缘检测去猜。整个包 23 个文件17 个 .py包含训练脚本、评估指标、模型定义、数据加载和预测入口配了 conda 环境文件属于拿来就能复现的完整工程不是那种只丢一个模型权重的半成品。适合谁有 Python 基础、跑过至少一次深度学习训练、想快速验证笔划分割方案可行性的从业者。如果你连 PyTorch 都没装过建议先补环境再回来。2. 三种全卷积架构怎么选FCN、U-Net、SegNet 的代码级对比2.1 为什么是这三个模型而不是随便挑一个全卷积网络的核心思想是用卷积层替换全连接层让网络输出从「一个类别标签」变成「一张和输入同尺寸的概率图」。字体笔划分割本质是二分类语义分割每个像素要么是笔画要么是背景。FCN 是开山之作用编码器降采样再上采样恢复分辨率U-Net 加了跳跃连接把编码器的高分辨率特征直接拼到解码器对小目标细笔画特别友好SegNet 用池化索引做上采样参数量更小边缘定位准。这份源码把三个模型都实现了放在models/目录下fcn.py、unet.py、segnet.py还有一个mynet.py是作者自己搭的变体。训练脚本也分开train-fcn.py、train-unet.py、train-segnet.py外加一个通用的train.py和train300.py。这种结构的好处是你不用改代码就能横向对比三个架构在同一份数据上的表现省得自己从头搭。选型建议笔画细、断裂多优先 U-Net跳跃连接能保住细节显存紧张、要部署到边缘设备SegNet 更轻想复现经典 baseline 或者写论文对比FCN 是必跑项。mynet.py我没细究但从命名看是作者在三个基础架构上做的改进尝试可以当参考。2.2 模型定义的关键代码长什么样以 U-Net 为例核心是下采样和上采样的对称结构。下面这段是典型实现逻辑源码里的unet.py结构类似import torch import torch.nn as nn class DoubleConv(nn.Module): 两次卷积BNReLUU-Net的基本积木 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 Down(nn.Module): 下采样最大池化 双卷积 def __init__(self, in_ch, out_ch): super().__init__() self.mpconv nn.Sequential( nn.MaxPool2d(2), DoubleConv(in_ch, out_ch) ) def forward(self, x): return self.mpconv(x) class Up(nn.Module): 上采样转置卷积 特征拼接 双卷积 def __init__(self, in_ch, out_ch): super().__init__() self.up nn.ConvTranspose2d(in_ch, in_ch // 2, 2, stride2) self.conv DoubleConv(in_ch, out_ch) def forward(self, x1, x2): x1 self.up(x1) # 跳跃连接把编码器特征拼过来 diffY x2.size()[2] - x1.size()[2] diffX x2.size()[3] - x1.size()[3] x1 nn.functional.pad(x1, [diffX // 2, diffX - diffX // 2, diffY // 2, diffY - diffY // 2]) x torch.cat([x2, x1], dim1) return self.conv(x)逻辑说明DoubleConv是重复两次「卷积-BN-激活」这是 U-Net 每个层级的基本单元。Down先池化降分辨率再提特征Up先转置卷积升分辨率然后把编码器对应层的特征x2拼过来。拼接前要做 padding 对齐因为输入尺寸不一定是 2 的整数次幂直接 cat 会报维度不匹配——这是新手最容易翻车的地方。参数说明in_ch是输入通道数RGB 图就是 3灰度图就是 1out_ch是输出通道数二分类分割最后一层输出 1 通道配合 Sigmoid或者 2 通道配合 Softmax。源码里具体用哪种看train-unet.py的损失函数定义交叉熵通常配 2 通道BCE 配 1 通道。2.3 训练脚本的入口参数怎么调train-unet.py是主训练入口典型结构是解析命令行参数、加载数据集、定义模型和优化器、循环训练并保存权重。关键参数我一般这么设python train-unet.py \ --epochs 100 \ --batch-size 4 \ --lr 1e-4 \ --data-path ./dataset \ --model-save ./checkpoints/unet.pthbatch-size给 4 是因为分割任务显存吃紧输入 512×512 的话 8G 显存大概只能跑 4。lr用 1e-4 是 Adam 的常规起点如果 loss 震荡就降到 1e-5。epochs100 起步看验证集 mIoU 不再上升就可以早停。源码里dataset.py负责数据加载img/目录下有两张示例图一张 png 一张 jpg可以拿来验证数据管道通不通。3. 从零跑通训练环境配置、数据准备与评估指标3.1 conda 环境一步到位源码带了conda-env/env.yaml这是最省事的入口。不要自己 pip 一个个装版本对不上会出各种玄学错误。# 创建环境名字按 yaml 里的来通常是 base 或项目名 conda env create -f conda-env/env.yaml # 激活环境 conda activate 环境名 # 验证 PyTorch 和 CUDA 是否可用 python -c import torch; print(torch.__version__, torch.cuda.is_available())逻辑说明env.yaml里锁定了 Python 版本、PyTorch 版本和依赖包。如果输出True说明 GPU 可用False就是 CPU 模式训练会慢到你想砸键盘。参数说明环境名在 yaml 第一行name:字段自己看一眼。如果 conda 装依赖卡住常见原因是源的问题换国内镜像能解决但别问我怎么换这是基础操作。3.2 数据目录怎么组织dataset.py是数据加载的核心它决定了你的图片和标签怎么放。分割任务的标准组织方式是dataset/ ├── images/ # 原图jpg 或 png │ ├── 001.png │ └── 002.png └── masks/ # 标签图单通道像素值 0 或 255 ├── 001.png └── 002.png标签图必须是单通道灰度图笔画区域 255背景 0。如果你拿到的标注是彩色图或者多通道得先转成单通道二值图否则dataset.py里的 transform 会报错。源码img/目录下的示例图可以用来测试数据管道把原图放images/自己用画图工具涂一个对应的 mask 放masks/跑一个 epoch 看 loss 有没有下降。3.3 评估指标mIoU、FWIoU、MPA 到底看哪个源码里有三个评估脚本miou.py、fwiou.py、mpa.py分别对应平均交并比、频率加权交并比、平均像素精度。这三个指标在分割任务里各有侧重指标含义适用场景mIoU每类 IoU 求平均类别均衡时的主指标FWIoU按类别频率加权背景远多于笔画时更真实MPA每类像素准确率平均看少数类有没有被忽略字体笔划分割里背景像素通常占 90% 以上mIoU 会被背景拉高看起来很美但笔画分割可能一塌糊涂。我一般三个都跑重点看 FWIoU 和笔画类的 IoU。evaluate脚本应该是统一评估入口countclass.py大概是统计类别像素数的工具用来算类别权重。# 典型的 mIoU 计算逻辑 def compute_miou(pred, target, num_classes2): ious [] for cls in range(num_classes): pred_cls (pred cls) target_cls (target cls) intersection (pred_cls target_cls).sum().item() union (pred_cls | target_cls).sum().item() if union 0: ious.append(float(nan)) # 该类没出现跳过 else: ious.append(intersection / union) return sum(ious) / len(ious)逻辑说明对每个类别算交集除以并集最后求平均。union 0时返回 nan 是标准做法表示该类在当前 batch 没出现不计入平均。参数说明num_classes二分类就是 2多分类按实际类别数改。3.4 预测与可视化predict.py是推理入口drawImg.py负责把预测结果画出来。典型用法python predict.py --model ./checkpoints/unet.pth --input ./img/test.png --output ./result.png跑完之后drawImg.py会把原图、预测 mask、叠加图拼在一起输出。源码img/目录下那张截屏2022-06-15 下午8.06.43.png和图11.jpg大概率就是效果展示图可以拿来对照你的输出格式对不对。4. 避坑与排查训练不收敛、显存爆炸、指标虚高的真实原因4.1 loss 不下降甚至变 nan现象训练几个 epoch 后 loss 突然变成 nan或者一直卡在 0.69 附近不动二分类的随机猜测水平。原因学习率太大导致梯度爆炸或者标签图不是 0/255 而是 0/1导致损失函数计算出错。还有一种可能是dataset.py里归一化用了 ImageNet 的均值方差但你的图是灰度图通道数对不上。解决先把学习率降到 1e-5 试检查标签图的像素值分布用countclass.py跑一下统计确认输入通道数和模型第一层in_ch一致。如果是 nan加梯度裁剪torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm1.0)。4.2 CUDA out of memory现象跑几个 batch 后报显存不足或者一开始就报。原因batch-size太大或者输入分辨率太高。512×512 的图U-Net 这种结构8G 显存 batch-size 给 8 基本必炸。解决先把 batch-size 降到 2 或 1确认能跑通再往上加。如果还不行把输入 resize 到 256×256。另外检查train.py里有没有在循环里累积 tensor 没释放比如把 loss 存 list 里忘了 detach。4.3 验证集 mIoU 很高但预测结果全是背景现象mIoU 跑到 0.9 以上但predict.py输出的 mask 全黑一个笔画都没有。原因类别极度不均衡模型学会了全部预测背景就能拿到高准确率。背景占 95%全预测背景准确率就是 95%。解决损失函数加类别权重或者用 Dice Loss、Focal Loss 替代交叉熵。源码里countclass.py就是干这个的先统计正负样本比例然后给笔画类更高的权重。另一个办法是过采样含笔画的 patchdataset.py里改采样策略。4.4 预测结果边缘锯齿严重现象笔画主体分割出来了但边缘像狗啃的不平滑。原因上采样用了最近邻插值或者转置卷积的 stride 和 kernel 不匹配导致棋盘效应。解决把上采样换成双线性插值 卷积或者用nn.ConvTranspose2d时确保stride2, kernel_size2。后处理可以加一个条件随机场CRF或者简单的形态学闭运算但这是治标根子还在网络结构。4.5 换自己的数据集后报维度错误现象用源码自带数据能跑换成自己的图就报size mismatch或channels mismatch。原因自己的图是 RGBA 四通道或者尺寸不是 2 的整数次幂经过多次下采样后尺寸对不上。解决dataset.py里加一步强制转 RGB 和 resize 到固定尺寸如 512×512。如果不想 resizeU-Net 的跳跃连接处要做 padding 对齐就是 2.2 节代码里那段nn.functional.pad。5. 进阶技巧用 mynet.py 做架构魔改与训练加速mynet.py是这份源码里最值得琢磨的文件。作者没有直接套用三个经典架构而是自己搭了一个变体大概率是在 U-Net 基础上改了编码器深度或者加了注意力模块。你可以把它当起点做几件事第一换 backbone。把编码器换成预训练的 ResNet 或 MobileNet用torchvision.models加载权重只训练解码器。小数据集上这样能快很多收敛也稳。具体做法是把Down模块替换成 backbone 的 stage 输出注意通道数对齐。第二加注意力。在跳跃连接处加一个 SE Block 或者 CBAM让网络自己学哪些特征重要。代码量不大但对手写体这种笔画粗细变化大的场景提升明显。第三混合精度训练。PyTorch 的torch.cuda.amp能把显存占用降一半速度提 30% 左右。改法很简单scaler torch.cuda.amp.GradScaler() for img, mask in dataloader: with torch.cuda.amp.autocast(): pred model(img) loss criterion(pred, mask) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update() optimizer.zero_grad()逻辑说明autocast自动把部分运算转成 float16GradScaler防止梯度下溢。参数说明不需要改模型定义只在训练循环里包一层。注意optimizer.zero_grad()要放在scaler.update()之后顺序错了会报错。验证方法改完架构后先跑 10 个 epoch 看 loss 曲线和 baseline 对比。如果 loss 下降更快且验证集 FWIoU 更高说明改动有效。别只看训练 loss分割任务过拟合太容易了。我自己的习惯是每次改完mynet.py都强制跑一遍evaluate脚本把三个指标打出来存档不然改着改着就忘了哪个版本最好。这份源码的评估脚本齐全省了不少事。希望帮到你。本文还有配套的精品资源点击获取 Python深度学习全卷积网络字体笔划分割源码实战：FCN、U-Net、SegNet对比与避坑指南
简介这份源码面向具备一定深度学习基础的开发者与研究者提供一套基于Python与全卷积网络的字体笔划分割完整实现方案可用于古籍字形分析、手写字符结构拆解或书法笔画提取等场景。资源包共25个文件以18个Python脚本为核心覆盖模型定义、训练与预测全流程另含yaml环境配置、txt说明文档、png与jpg示例图及license等辅助文件压缩包约200KB体量轻便易于本地部署。项目内已集成FCN、U-Net、SegNet及自定义网络等多种分割架构并配套miou、fwiou、mpa等评估指标脚本与绘图工具便于横向对比模型表现。目前已有338人学习下载适合希望快速复现笔划分割实验、理解全卷积网络在字形任务中应用细节的读者参考借鉴。1. 字体笔划分割为什么要用全卷积网络一份能跑通的 Python 源码拆解做字体设计或者 OCR 预处理的同行大概率遇到过这个场景拿到一套手写体扫描件想把每个字的横竖撇捺拆成独立笔画用传统 OpenCV 的轮廓提取加细化算法跑一遍笔画交叉处直接糊成一团断笔、粘连、毛刺全出来了。规则调参调到怀疑人生换一套字体又得重来。这份基于 Python 的深度学习全卷积网络字体笔划分割源码解决的正是这个痛点——它用 FCN、U-Net、SegNet 三种全卷积架构做像素级二分类把笔画从背景里逐像素抠出来而不是靠边缘检测去猜。整个包 23 个文件17 个 .py包含训练脚本、评估指标、模型定义、数据加载和预测入口配了 conda 环境文件属于拿来就能复现的完整工程不是那种只丢一个模型权重的半成品。适合谁有 Python 基础、跑过至少一次深度学习训练、想快速验证笔划分割方案可行性的从业者。如果你连 PyTorch 都没装过建议先补环境再回来。2. 三种全卷积架构怎么选FCN、U-Net、SegNet 的代码级对比2.1 为什么是这三个模型而不是随便挑一个全卷积网络的核心思想是用卷积层替换全连接层让网络输出从「一个类别标签」变成「一张和输入同尺寸的概率图」。字体笔划分割本质是二分类语义分割每个像素要么是笔画要么是背景。FCN 是开山之作用编码器降采样再上采样恢复分辨率U-Net 加了跳跃连接把编码器的高分辨率特征直接拼到解码器对小目标细笔画特别友好SegNet 用池化索引做上采样参数量更小边缘定位准。这份源码把三个模型都实现了放在models/目录下fcn.py、unet.py、segnet.py还有一个mynet.py是作者自己搭的变体。训练脚本也分开train-fcn.py、train-unet.py、train-segnet.py外加一个通用的train.py和train300.py。这种结构的好处是你不用改代码就能横向对比三个架构在同一份数据上的表现省得自己从头搭。选型建议笔画细、断裂多优先 U-Net跳跃连接能保住细节显存紧张、要部署到边缘设备SegNet 更轻想复现经典 baseline 或者写论文对比FCN 是必跑项。mynet.py我没细究但从命名看是作者在三个基础架构上做的改进尝试可以当参考。2.2 模型定义的关键代码长什么样以 U-Net 为例核心是下采样和上采样的对称结构。下面这段是典型实现逻辑源码里的unet.py结构类似import torch import torch.nn as nn class DoubleConv(nn.Module): 两次卷积BNReLUU-Net的基本积木 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 Down(nn.Module): 下采样最大池化 双卷积 def __init__(self, in_ch, out_ch): super().__init__() self.mpconv nn.Sequential( nn.MaxPool2d(2), DoubleConv(in_ch, out_ch) ) def forward(self, x): return self.mpconv(x) class Up(nn.Module): 上采样转置卷积 特征拼接 双卷积 def __init__(self, in_ch, out_ch): super().__init__() self.up nn.ConvTranspose2d(in_ch, in_ch // 2, 2, stride2) self.conv DoubleConv(in_ch, out_ch) def forward(self, x1, x2): x1 self.up(x1) # 跳跃连接把编码器特征拼过来 diffY x2.size()[2] - x1.size()[2] diffX x2.size()[3] - x1.size()[3] x1 nn.functional.pad(x1, [diffX // 2, diffX - diffX // 2, diffY // 2, diffY - diffY // 2]) x torch.cat([x2, x1], dim1) return self.conv(x)逻辑说明DoubleConv是重复两次「卷积-BN-激活」这是 U-Net 每个层级的基本单元。Down先池化降分辨率再提特征Up先转置卷积升分辨率然后把编码器对应层的特征x2拼过来。拼接前要做 padding 对齐因为输入尺寸不一定是 2 的整数次幂直接 cat 会报维度不匹配——这是新手最容易翻车的地方。参数说明in_ch是输入通道数RGB 图就是 3灰度图就是 1out_ch是输出通道数二分类分割最后一层输出 1 通道配合 Sigmoid或者 2 通道配合 Softmax。源码里具体用哪种看train-unet.py的损失函数定义交叉熵通常配 2 通道BCE 配 1 通道。2.3 训练脚本的入口参数怎么调train-unet.py是主训练入口典型结构是解析命令行参数、加载数据集、定义模型和优化器、循环训练并保存权重。关键参数我一般这么设python train-unet.py \ --epochs 100 \ --batch-size 4 \ --lr 1e-4 \ --data-path ./dataset \ --model-save ./checkpoints/unet.pthbatch-size给 4 是因为分割任务显存吃紧输入 512×512 的话 8G 显存大概只能跑 4。lr用 1e-4 是 Adam 的常规起点如果 loss 震荡就降到 1e-5。epochs100 起步看验证集 mIoU 不再上升就可以早停。源码里dataset.py负责数据加载img/目录下有两张示例图一张 png 一张 jpg可以拿来验证数据管道通不通。3. 从零跑通训练环境配置、数据准备与评估指标3.1 conda 环境一步到位源码带了conda-env/env.yaml这是最省事的入口。不要自己 pip 一个个装版本对不上会出各种玄学错误。# 创建环境名字按 yaml 里的来通常是 base 或项目名 conda env create -f conda-env/env.yaml # 激活环境 conda activate 环境名 # 验证 PyTorch 和 CUDA 是否可用 python -c import torch; print(torch.__version__, torch.cuda.is_available())逻辑说明env.yaml里锁定了 Python 版本、PyTorch 版本和依赖包。如果输出True说明 GPU 可用False就是 CPU 模式训练会慢到你想砸键盘。参数说明环境名在 yaml 第一行name:字段自己看一眼。如果 conda 装依赖卡住常见原因是源的问题换国内镜像能解决但别问我怎么换这是基础操作。3.2 数据目录怎么组织dataset.py是数据加载的核心它决定了你的图片和标签怎么放。分割任务的标准组织方式是dataset/ ├── images/ # 原图jpg 或 png │ ├── 001.png │ └── 002.png └── masks/ # 标签图单通道像素值 0 或 255 ├── 001.png └── 002.png标签图必须是单通道灰度图笔画区域 255背景 0。如果你拿到的标注是彩色图或者多通道得先转成单通道二值图否则dataset.py里的 transform 会报错。源码img/目录下的示例图可以用来测试数据管道把原图放images/自己用画图工具涂一个对应的 mask 放masks/跑一个 epoch 看 loss 有没有下降。3.3 评估指标mIoU、FWIoU、MPA 到底看哪个源码里有三个评估脚本miou.py、fwiou.py、mpa.py分别对应平均交并比、频率加权交并比、平均像素精度。这三个指标在分割任务里各有侧重指标含义适用场景mIoU每类 IoU 求平均类别均衡时的主指标FWIoU按类别频率加权背景远多于笔画时更真实MPA每类像素准确率平均看少数类有没有被忽略字体笔划分割里背景像素通常占 90% 以上mIoU 会被背景拉高看起来很美但笔画分割可能一塌糊涂。我一般三个都跑重点看 FWIoU 和笔画类的 IoU。evaluate脚本应该是统一评估入口countclass.py大概是统计类别像素数的工具用来算类别权重。# 典型的 mIoU 计算逻辑 def compute_miou(pred, target, num_classes2): ious [] for cls in range(num_classes): pred_cls (pred cls) target_cls (target cls) intersection (pred_cls target_cls).sum().item() union (pred_cls | target_cls).sum().item() if union 0: ious.append(float(nan)) # 该类没出现跳过 else: ious.append(intersection / union) return sum(ious) / len(ious)逻辑说明对每个类别算交集除以并集最后求平均。union 0时返回 nan 是标准做法表示该类在当前 batch 没出现不计入平均。参数说明num_classes二分类就是 2多分类按实际类别数改。3.4 预测与可视化predict.py是推理入口drawImg.py负责把预测结果画出来。典型用法python predict.py --model ./checkpoints/unet.pth --input ./img/test.png --output ./result.png跑完之后drawImg.py会把原图、预测 mask、叠加图拼在一起输出。源码img/目录下那张截屏2022-06-15 下午8.06.43.png和图11.jpg大概率就是效果展示图可以拿来对照你的输出格式对不对。4. 避坑与排查训练不收敛、显存爆炸、指标虚高的真实原因4.1 loss 不下降甚至变 nan现象训练几个 epoch 后 loss 突然变成 nan或者一直卡在 0.69 附近不动二分类的随机猜测水平。原因学习率太大导致梯度爆炸或者标签图不是 0/255 而是 0/1导致损失函数计算出错。还有一种可能是dataset.py里归一化用了 ImageNet 的均值方差但你的图是灰度图通道数对不上。解决先把学习率降到 1e-5 试检查标签图的像素值分布用countclass.py跑一下统计确认输入通道数和模型第一层in_ch一致。如果是 nan加梯度裁剪torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm1.0)。4.2 CUDA out of memory现象跑几个 batch 后报显存不足或者一开始就报。原因batch-size太大或者输入分辨率太高。512×512 的图U-Net 这种结构8G 显存 batch-size 给 8 基本必炸。解决先把 batch-size 降到 2 或 1确认能跑通再往上加。如果还不行把输入 resize 到 256×256。另外检查train.py里有没有在循环里累积 tensor 没释放比如把 loss 存 list 里忘了 detach。4.3 验证集 mIoU 很高但预测结果全是背景现象mIoU 跑到 0.9 以上但predict.py输出的 mask 全黑一个笔画都没有。原因类别极度不均衡模型学会了全部预测背景就能拿到高准确率。背景占 95%全预测背景准确率就是 95%。解决损失函数加类别权重或者用 Dice Loss、Focal Loss 替代交叉熵。源码里countclass.py就是干这个的先统计正负样本比例然后给笔画类更高的权重。另一个办法是过采样含笔画的 patchdataset.py里改采样策略。4.4 预测结果边缘锯齿严重现象笔画主体分割出来了但边缘像狗啃的不平滑。原因上采样用了最近邻插值或者转置卷积的 stride 和 kernel 不匹配导致棋盘效应。解决把上采样换成双线性插值 卷积或者用nn.ConvTranspose2d时确保stride2, kernel_size2。后处理可以加一个条件随机场CRF或者简单的形态学闭运算但这是治标根子还在网络结构。4.5 换自己的数据集后报维度错误现象用源码自带数据能跑换成自己的图就报size mismatch或channels mismatch。原因自己的图是 RGBA 四通道或者尺寸不是 2 的整数次幂经过多次下采样后尺寸对不上。解决dataset.py里加一步强制转 RGB 和 resize 到固定尺寸如 512×512。如果不想 resizeU-Net 的跳跃连接处要做 padding 对齐就是 2.2 节代码里那段nn.functional.pad。5. 进阶技巧用 mynet.py 做架构魔改与训练加速mynet.py是这份源码里最值得琢磨的文件。作者没有直接套用三个经典架构而是自己搭了一个变体大概率是在 U-Net 基础上改了编码器深度或者加了注意力模块。你可以把它当起点做几件事第一换 backbone。把编码器换成预训练的 ResNet 或 MobileNet用torchvision.models加载权重只训练解码器。小数据集上这样能快很多收敛也稳。具体做法是把Down模块替换成 backbone 的 stage 输出注意通道数对齐。第二加注意力。在跳跃连接处加一个 SE Block 或者 CBAM让网络自己学哪些特征重要。代码量不大但对手写体这种笔画粗细变化大的场景提升明显。第三混合精度训练。PyTorch 的torch.cuda.amp能把显存占用降一半速度提 30% 左右。改法很简单scaler torch.cuda.amp.GradScaler() for img, mask in dataloader: with torch.cuda.amp.autocast(): pred model(img) loss criterion(pred, mask) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update() optimizer.zero_grad()逻辑说明autocast自动把部分运算转成 float16GradScaler防止梯度下溢。参数说明不需要改模型定义只在训练循环里包一层。注意optimizer.zero_grad()要放在scaler.update()之后顺序错了会报错。验证方法改完架构后先跑 10 个 epoch 看 loss 曲线和 baseline 对比。如果 loss 下降更快且验证集 FWIoU 更高说明改动有效。别只看训练 loss分割任务过拟合太容易了。我自己的习惯是每次改完mynet.py都强制跑一遍evaluate脚本把三个指标打出来存档不然改着改着就忘了哪个版本最好。这份源码的评估脚本齐全省了不少事。希望帮到你。本文还有配套的精品资源点击获取