原標題：圖像語義分割 —利用Deeplab v3+訓練VOC2012數據集

前言：

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

源碼：

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

權重下載地址：

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

1. 運行model_test.py

測試安裝環境，如果正常，提示：

Ran 5 tests in 10.758s

2. 運行build_voc2012_data.py 生成 .tfrecord數據

在VOC2012數據集中，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數據，為[n*m*3]的 .png圖片，首先應將這些label數據轉換為[n*m*1]的單通道圖片。

具體轉換方法見：

運行成功后，會提示如下信息：

3. 運行train.py訓練模型

運行成功信息如下：

如果在第2步，沒有將label數據轉換為單通道數據，loss可能會爆炸性增長，也可能報錯，提示：Loss is inf or nan.

4. 運行eval.py，輸出為MIOU值

運行成功信息如下：

如果在第2步，沒有將label數據轉換為單通道數據，這里會報錯提示：['predictions' out of bound]。

5. 運行vis.py，查看結果

成功運行提示信息如下：

最后，在輸出文件夾('./vis_output')中查看模型的預測結果，如下：

責任編輯：

總結

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数据集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。