原標(biāo)題：圖像語(yǔ)義分割 —利用Deeplab v3+訓(xùn)練VOC2012數(shù)據(jù)集

前言：

配置：windows10 + Tensorflow1.6.0 + Python3.6.4(筆記本無(wú)GPU)

源碼：

https://github.com/tensorflow/models/tree/master/research/deeplab

權(quán)重下載地址：

https://github.com/tensorflow/models/blob/master/research/deeplab/g3doc/model_zoo.md

1. 運(yùn)行model_test.py

測(cè)試安裝環(huán)境，如果正常，提示：

Ran 5 tests in 10.758s

2. 運(yùn)行build_voc2012_data.py 生成 .tfrecord數(shù)據(jù)

在VOC2012數(shù)據(jù)集中，文件夾JPEGImages存放著原始的[n*m*3] .jpg格式圖片，文件夾SegmentationClass中存放Label數(shù)據(jù)，為[n*m*3]的 .png圖片，首先應(yīng)將這些label數(shù)據(jù)轉(zhuǎn)換為[n*m*1]的單通道圖片。

具體轉(zhuǎn)換方法見(jiàn)：

運(yùn)行成功后，會(huì)提示如下信息：

3. 運(yùn)行train.py訓(xùn)練模型

運(yùn)行成功信息如下：

如果在第2步，沒(méi)有將label數(shù)據(jù)轉(zhuǎn)換為單通道數(shù)據(jù)，loss可能會(huì)爆炸性增長(zhǎng)，也可能報(bào)錯(cuò)，提示：Loss is inf or nan.

4. 運(yùn)行eval.py，輸出為MIOU值

運(yùn)行成功信息如下：

如果在第2步，沒(méi)有將label數(shù)據(jù)轉(zhuǎn)換為單通道數(shù)據(jù)，這里會(huì)報(bào)錯(cuò)提示：['predictions' out of bound]。

5. 運(yùn)行vis.py，查看結(jié)果

成功運(yùn)行提示信息如下：

最后，在輸出文件夾('./vis_output')中查看模型的預(yù)測(cè)結(jié)果，如下：

責(zé)任編輯：

總結(jié)

以上是生活随笔為你收集整理的图像语义分割python_图像语义分割 —利用Deeplab v3+训练VOC2012数据集的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。