车道线分割作为自动驾驶中的关键任务，一直是计算机视觉领域的热门研究方向。本文将详细介绍一个基于UNet++架构的多标签车道线分割项目，重点分享新手在开发过程中常见的技术坑及其解决方案，帮助初学者快速上手并避免常见错误。
摘要 ：本文记录了基于UNet++的多标签车道线分割项目开发全过程，重点复盘新手开发中易踩的技术坑及对应解决方案，兼顾实用性和可读性。项目使用的数据集来自百度AI Studio的car_data_2022，适配0-3四类标签的多标签分割场景。完整可运行代码已上传至GitHub，新手可直接参考避坑、快速上手运行项目。
关键词：UNet++；多标签车道线分割；新手避坑；PyTorch；深度学习分割；实战
今天就和大家分享，我是如何逐步排查问题，将效果不佳的模型，优化成能精准识别多标签车道线的可用版本，全程干货+真实踩坑经验，新手宝子直接抄作业，别再走我的弯路啦！
一、先交代背景：我要做一个“能分清车道线”的模型
初衷很简单：实现车道线分割，用于自动驾驶辅助（主打一个新手练手，不敢真上车hhh）。核心需求是：能识别出图片中的3种不同车道线，而且这3种车道线能同时存在。
1. 数据集揭秘：原来我一直看错了“标签”
最开始我拿到数据集，随便打开一张掩码图，看到只有0、1、2、3四种像素，心想：这不就是个二分类任务吗？0是背景，剩下的是车道线，简单！
直到我跑了20轮训练，分割结果全是噪声，甚至连一条完整的车道线都看不到，我才急了——翻出数据集里的labels.txt一看，当场石化：好家伙！居然有0、1、2、3四种标签，0是背景，1、2、3分别是三种不同的车道线，而且这三种车道线能同时存在（也就是多标签任务），不是我以为的“只能选一个”的多分类！
举个通俗的例子：多分类就像你只能选一种奶茶，多标签就像你可以选奶茶+珍珠+椰果，三种车道线就是“珍珠、椰果、芋圆”，可以同时出现在一张图里，而我之前硬按“只能选一种”来训练，模型能学好才怪！
2. 模型选型：新手友好的UNet++
既然是新手做车道线分割，选模型肯定要“新手友好+效果能打”，对比了UNet、FCN、HRNet之后，我果断选了UNet++——原因很简单：
- 结构不算复杂，新手能看懂，而且容易修改；
- 比基础UNet多了skip connection，能更好地保留车道线的细粒度特征（毕竟车道线是细长的，细节很重要）；
- 训练速度不算慢，我用GPU跑，12800个样本，30轮也只花了半天。
这里插一句：新手做分割，别上来就选HRNet这种复杂模型，UNet++足够应付大部分入门场景，等把基础踩稳了，再升级模型也不迟～
二、大型踩坑现场：那些让我debug到秃头的错误
如果说“把多标签当多分类”是最大的坑，那后续的debug，就是“坑中坑中坑”，每一个错误都让我怀疑自己的代码能力，话不多说，上干货（避坑指南）！
坑1：二分类→多标签，模型“偷懒”不预测车道线
最开始我把所有非0标签（1、2、3）都转成了1，当成二分类任务训练，损失曲线看着很“健康”（从0.8降到0.3），但分割结果却惨不忍睹——全是背景，偶尔有几个噪声点，就像模型在“摆烂”：反正预测背景损失低，我干嘛费劲预测车道线？
原因很简单：车道线在图片中占比不到5%，背景占95%，二分类的损失函数（BCE）会让模型“趋利避害”，优先预测背景，毕竟错分背景的损失，比错分车道线小太多！
修正方案：把单通道掩码（0-3）改成4通道多标签掩码，每个通道对应一个类别（0=背景，1=车道1，2=车道2，3=车道3），值为0或1，代表“该类别是否存在”。
坑2：数据增强的坑：矩形图片旋转90度后的“惨案”
我想着为了让模型更鲁棒，得加点数据增强（Data Augmentation）。我直接上了一套“albumentations全家桶”，其中包含了一个看起来人畜无害的操作：RandomRotate90（随机旋转90度）。
结果代码一跑，在 DataLoader 取数据的时候直接崩了，报了一个非常经典的错误： RuntimeError: stack expects each tensor to be equal size, but got [4, 256, 512] at entry 0 and [4, 512, 256] at entry 1
🔍 发生了什么？
我的原始图片尺寸是 256 (高) x 512 (宽) ，是一个长方形。
- 当图片不旋转时：形状是
(256, 512)。 - 当图片触发旋转90度时：形状变成了
(512, 256)。
在一个 Batch里，如果恰好有的图转了，有的没转，那么它们的形状就不一致。PyTorch 的 DataLoader 试图把它们打包成一个 Tensor 时，发现宽高对不上，直接罢工。
🛑 坑点分析： 对于正方形图片（如 512x512），旋转90度后形状不变，完全没问题。但对于矩形图片，旋转90度会互换宽高。除非你在旋转后强制 Resize 回固定尺寸，否则 Batch 训练必报错。
而且，仔细一想，车道线分割适合旋转90度吗？ 不适合！车道线通常是垂直或向远处汇聚的，横着的车道线（变成斑马线那样）在实际驾驶视角中几乎不存在。强行旋转90度不仅搞崩了代码，还制造了不符合物理规律的“伪数据”。
坑3：损失函数的坑：只用BCE Loss，车道线断断续续？
搞定了数据预处理和增强，终于可以开始训练了。因为这是一个多标签分割任务（即每个像素可以同时属于不同类，或者我们把多分类问题转化为了One-Hot形式的多通道二分类问题），我理所当然地选用了 PyTorch 自带的 nn.BCEWithLogitsLoss()。
训练跑得很快，Loss 下降得也挺顺滑。但是，当我把预测出的车道线画在图上时，心态崩了：车道线断断续续的，像虚线一样，而且边缘非常模糊。
🔍 到底哪里出了问题？
我百思不得其解：BCE Loss 明明下降了啊？ 深入研究后发现，单独使用 BCE Loss 有个致命弱点：它只关注单个像素的分类对不对，而不关注整体形状。 对于车道线这种细长的结构，BCE Loss 觉得：“哎呀，我只要把大部分背景预测对了，车道线哪怕断了几截，总体准确率也挺高的嘛。”
它缺乏对几何结构和区域重叠度的感知能力。在车道线这种正负样本极度不平衡（背景极大，车道线极细）的场景下，BCE 很容易“摆烂”。
✅ 解决方案： 必须引入 Dice Loss。 Dice Loss 源于 Dice 系数，本质上是在衡量预测区域和真实区域的重合程度（IoU）。它不在乎背景有多大，只在乎你预测的那条线和真实的线是不是完美重叠。 但是 Dice Loss 训练有时候不稳定，所以最佳实践是 “BCE + Dice” 混合双打：
- BCE：保底，维持像素级的分类梯度。
- Dice：强攻，强制模型去拟合车道线的整体形状，解决断连问题。
三、修正后的模型详解：从“摆烂”到“靠谱”的蜕变
踩完所有坑，模型终于“走上正轨”，下面详细介绍一下修正后的核心代码，新手宝子可以直接抄作业，不用再踩我踩过的坑！
1. 数据集处理（dataset.py）：多标签掩码的正确打开方式
核心是把单通道标签转成4通道多标签，并且正确处理数据增强，避免标签被破坏：
def __getitem__(self, idx):
# 读取图片和掩码路径
img_path, mask_path = self.pairs[idx]
# 读取图像
image = cv2.imread(img_path)
if image is None:
raise ValueError(f"无法读取图片：{img_path}")
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 转成RGB格式
# 读取掩码并转成多标签格式：单通道(0-3) → 4通道[4,H,W]
mask = cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE) # 单通道灰度图
if mask is None:
raise ValueError(f"无法读取掩码：{mask_path}")
num_classes = 4
h, w = mask.shape
multi_label_mask = np.zeros((num_classes, h, w), dtype=np.float32)
for cls in range(num_classes):
multi_label_mask[cls] = (mask == cls).astype(np.float32)
mask = multi_label_mask # [4,H,W]
# 数据增强
if self.transform:
mask_trans = mask.transpose(1, 2, 0) # [4,H,W] → [H,W,4]适配albumentations
augmented = self.transform(image=image, mask=mask_trans)
image = augmented['image'] # Tensor格式已转置[4,H,W]
mask_aug = augmented['mask'] # [H,W,4]
mask = mask_aug.permute(2, 0, 1) # 转回[4,H,W]
return image, mask
2. 数据增强（get_transforms）：
def get_transforms(img_size=(256, 512)):
train_transform = Compose([
Resize(height=img_size[0], width=img_size[1]), # 调整尺寸
HorizontalFlip(p=0.5), # 水平翻转
RandomBrightnessContrast(p=0.3), # 亮度对比度调整
Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), # 归一化
ToTensorV2() # 转成Tensor
])
val_transform = Compose([
Resize(height=img_size[0], width=img_size[1]), # 调整尺寸
Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), # 归一化
ToTensorV2() # 转成Tensor
])
return train_transform, val_transform
3. 损失函数：多标签专属，专治模型“偷懒”
多标签任务不能用CrossEntropyLoss（多分类专属），也不能用普通的BCELoss（会让模型偷懒），我用的是多标签DiceBCELoss，结合了BCE的稳定性和DiceLoss对小目标（车道线）的友好性：
class MultiLabelDiceBCELoss(nn.Module):
def __init__(self, num_classes=4, smooth=1e-6):
super().__init__()
self.num_classes = num_classes
self.smooth = smooth
self.bce_loss = nn.BCEWithLogitsLoss() # 内置sigmoid，适合多标签
def dice_loss_per_class(self, pred, target):
pred = torch.sigmoid(pred)
intersection = (pred * target).sum()
union = pred.sum() + target.sum()
return 1 - (2 * intersection + self.smooth) / (union + self.smooth)
def forward(self, inputs, targets):
# inputs: [batch,4,H,W]（模型输出，未sigmoid）
# targets: [batch,4,H,W]（多标签掩码，0/1）
# 多标签BCE损失
bce_loss = self.bce_loss(inputs, targets)
# 多标签Dice损失（每个类别独立计算，再平均）
dice_loss = 0.0
for cls in range(self.num_classes):
dice_loss += self.dice_loss_per_class(inputs[:, cls], targets[:, cls])
dice_loss /= self.num_classes
# 总损失
return bce_loss + dice_loss
4. 模型修改（UNet++）：输出通道适配多标签
UNet++的核心结构不变，只需要把输出通道数从1（二分类）改成4（多标签，对应0-3四个类别），并且去掉softmax（多标签用sigmoid，每个类别独立预测）：
class UNetPlusPlus(nn.Module):
def __init__(self, in_channels=3, num_classes=4):
super().__init__()
self.channels = [64, 128, 256, 512] # 编码器通道数
# 编码器
self.conv1 = ConvBlock(in_channels, self.channels[0])
self.pool1 = nn.MaxPool2d(kernel_size=2, stride=2)
self.conv2 = ConvBlock(self.channels[0], self.channels[1])
self.pool2 = nn.MaxPool2d(kernel_size=2, stride=2)
self.conv3 = ConvBlock(self.channels[1], self.channels[2])
self.pool3 = nn.MaxPool2d(kernel_size=2, stride=2)
self.conv4 = ConvBlock(self.channels[2], self.channels[3])
# 解码器（嵌套拼接）
self.up4_3 = UpBlock(self.channels[3], self.channels[2])
self.conv4_3 = ConvBlock(self.channels[2] + self.channels[2], self.channels[2])
self.up3_2 = UpBlock(self.channels[2], self.channels[1])
self.conv3_2 = ConvBlock(self.channels[1] * 3, self.channels[1])
self.up2_1 = UpBlock(self.channels[1], self.channels[0])
self.conv2_1 = ConvBlock(self.channels[0] * 4, self.channels[0])
# 输出层
self.out = nn.Conv2d(self.channels[0], num_classes, kernel_size=1)
def forward(self, x):
# 编码器
x1 = self.conv1(x)
x1_pool = self.pool1(x1)
x2 = self.conv2(x1_pool)
x2_pool = self.pool2(x2)
x3 = self.conv3(x2_pool)
x3_pool = self.pool3(x3)
x4 = self.conv4(x3_pool)
# 解码器
x4_up = self.up4_3(x4)
x4_3 = torch.cat([x4_up, x3], dim=1)
x4_3_conv = self.conv4_3(x4_3)
x3_up = self.up3_2(x3)
x4_3_up = self.up3_2(x4_3_conv)
x3_2 = torch.cat([x3_up, x2, x4_3_up], dim=1)
x3_2_conv = self.conv3_2(x3_2)
x2_up = self.up2_1(x2)
x3_2_up = self.up2_1(x3_2_conv)
x4_3_up2 = self.up2_1(x4_3_up)
x2_1 = torch.cat([x2_up, x1, x3_2_up, x4_3_up2], dim=1)
x2_1_conv = self.conv2_1(x2_1)
# 输出层
out = self.out(x2_1_conv)
return out
5. 可视化：多颜色叠加，清晰区分不同车道线
多标签的可视化需要用不同颜色区分不同车道线，我给1、2、3三种车道线分别配了红、绿、蓝三种颜色，背景透明，叠加在原图上，效果一目了然：
四、新手避坑指南（含泪总结）
做车道线分割这几天，我踩的坑能绕地球半圈，总结几条新手必看的避坑指南，帮你节省debug时间，少掉几根头发：
- 先看数据集标签！先看数据集标签！先看数据集标签！别像我一样，连多标签和多分类都搞混，硬跑20轮，纯纯浪费时间；
- 数据增强要适度，尤其是几何变换（如旋转、错切），车道线是有强几何约束的，乱转会破坏这种约束，反而让模型学不会；
- Loss函数别只用BCE，车道线像素占比太小了，必须加上Dice Loss或者IoU Loss，强制模型关注“形状重合度”，治好车道线断断续续的毛病；
- 遇到报错别慌，先打印tensor的shape，90%的bug都是维度不匹配搞出来的（特别是做One-Hot编码和Loss计算的时候）。
如果你们也在做车道线分割，遇到了和我一样的问题，欢迎在评论区交流，咱们一起避坑，一起进步～希望这份避坑指南能帮新手宝子们少走弯路！如果觉得有帮助，别忘了点个赞或者去GitHub给个Star哦～代码仓库见文首！
📌 下期预告
本期我们完成了CV实战，下期我们将开启NLP实战，带大家做一个基于word2vec、LSTM的恶意评论检测模型。依旧延续新手友好、避坑指南的风格，带你快速上手NLP项目开发。我们下期不见不散~
