2 语义分割-模型训练（unet,DeepLabV3等）

 

语义分割-模型训练（unet,DeepLabV3等）

csdn参考：https://blog.csdn.net/weixin_44791964/category_10667625.html（憨批的语义分割重制版）

github:

　　1deeplabv3:https://github.com/bubbliiiing/deeplabv3-plus-pytorch

　　2unet:https://github.com/bubbliiiing/unet-pytorch

 

1 DeepLabV3使用txt

语义分割

STDC-Seg （可参考）
1https://github.com/MichaelFan01/STDC-Seg
BiSeNetV1
2https://github.com/CoinCheung/BiSeNet
mmsegmentation
3https://github.com/open-mmlab/mmsegmentation
############参考示例####
https://cvmart.net/community/detail/6224

#########Deeplabv3使用示例#############
csdn:https://blog.csdn.net/weixin_44791964/article/details/120113686
github:https://github.com/bubbliiiing/deeplabv3-plus-pytorch

1 标注
标注工具：labelme
安装：pip install labelme==3.16.7
使用：1终端输入labelme;2 file-->Save Automatically;3生成对应的json文件

2  转换json 为SegmentationClass图片
 修改20-23：路径与类（classes）的修改
 执行json_to_dataset.py

3 划分数据集 
复制JPEGImages 与 SegmentationsClass 到VOC2007
（如果已经标注好数据集，可参考separate_Segmentations_dataset.py 移动数据到VOC2007）
执行 voc_annotation.py

4 训练
 4.1修改 69行 num_classes=3
 其他修改可自行处理
 4.2 修改（log.txt,model，tensorboard等）
    train.py 213 行--》save_dir= '/project/train/models/' #wh
    utils.callbacks.LossHistory修改log.model相关
    

 

2 deeplabv3 && unet 经验

1 Deeplabv3+分割效果更好，边缘更光滑，但是训练和推断速度都比较慢；
2 Unet训练速度很快，硬件资源有限的情况下，可以用Unet尝试更多的想法；
3 Deeplabv3+增大epoch有改善趋势，但是它，实在，是好慢…

 

3 其他