update rfc of pidnet (PaddlePaddle#722)

rfcs/PaddleSeg/pidnet.md

@@ -2,9 +2,10 @@
 
 | 任务名称                                                     | 轻量语义分割网络PIDNet | 
 |----------------------------------------------------------|----------------------|
-| 提交作者<input type="checkbox" class="rowselector hidden">   | Asthestarsfalll           | 
+| 提交作者<input type="checkbox" class="rowselector hidden">   | [Asthestarsfalll](https://github.com/Asthestarsfalll) [flytocc](https://github.com//flytocc)           | 
 | 提交时间<input type="checkbox" class="rowselector hidden">   | 2023-9-26            | 
-| 版本号                                                      | V1.0                 | 
+| 修改时间<input type="checkbox" class="rowselector hidden">   | 2023-10-27            | 
+| 版本号                                                      | V2.0                 | 
 | 依赖飞桨版本<input type="checkbox" class="rowselector hidden"> | develop版本            | 
 | 文件名                                                      | pidnet.md<br> | 
 
@@ -26,7 +27,9 @@
 
 PIDNet 源码已经开源，地址：https://github.com/XuJiacong/PIDNet
 
-性能表现如下
+mmsegmentation的实现：https://github.com/open-mmlab/mmsegmentation
+
+## 性能表现如下
 
 | Model (Cityscapes) | Val (% mIOU) | Test (% mIOU)| FPS |
 |:-:|:-:|:-:|:-:|
@@ -41,11 +44,16 @@ PIDNet 源码已经开源，地址：https://github.com/XuJiacong/PIDNet
 
 # 四、对比分析
 
-参考官方原码实现即可。
+精度：官方版本和mmsegmentation版本基本相同。
+
+数据增强：mmsegmentation较官方版本，增加了`PhotoMetricDistortion`，并在`RandomCrop`中设置了`category_max_ratio=0.75`。
 
 # 五、设计思路与实现方案
 
 ## 总体思路
+
+以官方版本为主要参考，尽可能在不使用`PhotoMetricDistortion`增强的情况下，复现论文中的精度。
+
 ### Edge label 实现
 
 PIDNet 中需要额外生成 edge label 以对边缘部分进行监督，虽然 PaddleSeg 中已经内置了 edge label 的方式，但是具体实现细节差距较大，因此需要单独添加该生成方法。
@@ -69,34 +77,46 @@ class AddEdgeLabel:
 ### LOSS 对齐
 
 PIDNet 中使用了多个loss，其中 sem_loss 为 cross_entropy 和 ohem 的组合，与 PaddleSeg 有以下冲突：
-1. cross_entropy 的 reduction 参数为 False，即维持输入的形状；
-2. ohem 中使用了 class weight。
+#### 1. 修复cross_entropy当`weight is not None`且`avg_non_ignore=False`时的bug；
 
-考虑修改如下：
-为 PaddleSeg 的CrossEntropyLoss 添加 use_post_process  的参数用于控制是否平均输出。
+将下面这个判断：
 ```python
-    if self.use_post_process:
-        return self._post_process_loss(logit, label, semantic_weights, loss)
-    return loss
+    if self.weight is not None:
+        ...
+```
+修改为：
+```python
+    if self.avg_non_ignore and self.weight is not None:
+        ...
 ```
+
 为 PaddleSeg 的 OhemCrossEntropyLoss 添加 weight 参数
 
+#### 2. ohem 中使用了 class weight。
+
+将下面的代码：
 ```python
-    if self.weight is not None:
-        loss = F.cross_entropy(
-            logit, label, weight=self.weight, ignore_index=self.ignore_index, axis=1)
-    else:
         loss = F.softmax_with_cross_entropy(
             logit, label, ignore_index=self.ignore_index, axis=1)
 ```
+修改为：
+```python
+        loss = F.cross_entropy(
+            logit, label, ignore_index=self.ignore_index, axis=1,
+            weight=self.weight, reduction='none')
+```
+ps：已验证当`self.weight is None`时，修改前后结果相同。
+
 
 # 六、测试和验收的考量
 
-达到论文Table.6中的指标，进行TIPC验证lite train lite infer 链条，参考PR提交规范提交代码PR到ppseg中。
+达到论文Table.6中的`PIDNet-S`的val精度`78.8`指标，进行TIPC验证lite train lite infer 链条，参考PR提交规范提交代码PR到ppseg中。
 
 # 七、影响面
 
-对其他模块没有影响。
+需要评估对cross_entropy的bug修复，是否会影响现在其他模型。
+
+初步评估：现在其他模型不存在`weight is None`且`avg_non_ignore=False`的情况，所以对现在其他模型无影响。
 
 # 八、排期规划