Windows 上 DeepLab v3+ 训练自己的数据集
Windows10 tensorflow 1.6 cuda 9.0 cudnn7.0
1、源码:https://github.com/tensorflow/models/tree/master/research/deeplab
2、首先可以先下载VOC数据集进行训练
3、将自己的数据集参照VOC数据格式进行修改
JPEGImages中存放原始图像数据
SegmentationClass中存放标签数据,将数据值转化为对应目标类型(0,1,2,3……)
ImageSets\Segmentation 中存放列表数据
4、运行datasets中的build_voc2012_data.py,将数据集转换为tfrecord格式,修改参数
image_folder 图像位置
semantic_segmentation_folder 标注位置
list_folder 列表位置
output_dir 输出位置
5、train.py 进行训练
python "${WORK_DIR}"/train.py \--logtostderr \--train_split="trainval" \--model_variant="xception_65" \--atrous_rates=6 \--atrous_rates=12 \--atrous_rates=18 \--output_stride=16 \--decoder_output_stride=4 \--train_crop_size=513 \--train_crop_size=513 \--train_batch_size=4 \--training_number_of_steps="${NUM_ITERATIONS}" \--fine_tune_batch_norm=true \--tf_initial_checkpoint="${INIT_FOLDER}/deeplabv3_pascal_train_aug/model.ckpt" \--train_logdir="${TRAIN_LOGDIR}" \--dataset_dir="${PASCAL_DATASET}"
6、eval.py 进行验证
python "${WORK_DIR}"/eval.py \--logtostderr \--eval_split="val" \--model_variant="xception_65" \--atrous_rates=6 \--atrous_rates=12 \--atrous_rates=18 \--output_stride=16 \--decoder_output_stride=4 \--eval_crop_size=513 \--eval_crop_size=513 \--checkpoint_dir="${TRAIN_LOGDIR}" \--eval_logdir="${EVAL_LOGDIR}" \--dataset_dir="${PASCAL_DATASET}" \--max_number_of_evaluations=1
7、vis.py 生成预测图
python "${WORK_DIR}"/vis.py \--logtostderr \--vis_split="val" \--model_variant="xception_65" \--atrous_rates=6 \--atrous_rates=12 \--atrous_rates=18 \--output_stride=16 \--decoder_output_stride=4 \--vis_crop_size=513 \--vis_crop_size=513 \--checkpoint_dir="${TRAIN_LOGDIR}" \--vis_logdir="${VIS_LOGDIR}" \--dataset_dir="${PASCAL_DATASET}" \--max_number_of_iterations=1
8、export_model.py 导出训练模型
python "${WORK_DIR}"/export_model.py \--logtostderr \--checkpoint_path="${CKPT_PATH}" \--export_path="${EXPORT_PATH}" \--model_variant="xception_65" \--atrous_rates=6 \--atrous_rates=12 \--atrous_rates=18 \--output_stride=16 \--decoder_output_stride=4 \--num_classes=21 \--crop_size=513 \--crop_size=513 \--inference_scales=1.0
Windows 上 DeepLab v3+ 训练自己的数据集相关推荐
- Deeplab V3+训练自己数据集全过程
Deeplab V3+训练过程 0. 参考链接 1. 制作数据集 1.1. 制作json文件. 1.2. 批量转换 json--png 1.3. 数据集目录制作 1.4. 生成tfrecord 2. ...
- 图像语义分割python_图像语义分割 —利用Deeplab v3+训练VOC2012数据集
原标题:图像语义分割 -利用Deeplab v3+训练VOC2012数据集 前言: 配置:windows10 + Tensorflow1.6.0 + Python3.6.4(笔记本无GPU) 源码: ...
- Windows下使用Darknet训练自己的数据集(模型:yolov4-tiny、数据集:垃圾分类)
本文章主要介绍如何使用Darknet在windows下训练自己的数据集,其中模型使用的是yolov4-tiny,数据集使用的是自己垃圾分类数据集(需要的自取:在我上传的资源中有) PS:这是我的第一篇 ...
- 图像语义分割 —利用Deeplab v3+训练VOC2012数据集
向AI转型的程序员都关注了这个号???????????? 机器学习AI算法工程 公众号:datayx 前言: 配置:windows10 + Tensorflow1.6.0 + Python3.6. ...
- 【全网最详细yolov6】yoloV6调试记录(含训练自己的数据集及常见报错及解决方法)--持续更新ing
本文手把手教你如何调试最新的yolov6,复现运行COCO2017及训练自己的数据集,目前该项目刚发布,BUG会比较多,调起来一般不会那么顺利,本文含windows+ubuntu,并给出了一些常见问题 ...
- Ubuntu服务器上用CornerNet-Squeeze训练自己的模型
Ubuntu服务器上用CornerNet-Squeeze训练自己的模型 博主的上篇博客<Ubuntu服务器上搭建CornerNet-Lite环境>中已经详细阐述了如何在服务器上搭建Corn ...
- Win10+YOLOv4/v3用yolo_mark标记数据集 训练自己的模型
Win10+Yolov4用yolo_mark标记数据集 训练自己的模型 文章目录 1. 前言 2. darknet 3. yolo_mark 3.1 yolo_mark和opencv的下载 3.2 y ...
- 深度学习目标检测---使用yolov5训练自己的数据集模型(Windows系统)
目录 0 前言 1.从githab上克隆yolov5代码 1.1 yolov5网络project克隆 1.2 项目代码结构的整体介绍 1.3 深度学习环境的配置和安装yolov5所需要的库 2. ...
- 视频教程-Windows版YOLOv4目标检测实战:训练自己的数据集-计算机视觉
Windows版YOLOv4目标检测实战:训练自己的数据集 大学教授,美国归国博士.博士生导师:人工智能公司专家顾问:长期从事人工智能.物联网.大数据研究:已发表学术论文100多篇,授权发明专利10多 ...
最新文章
- 某女产品经理吐槽:男朋友家里出450万做婚房首付,自己想出40万加上名字,男朋友却不同意!网友:心机女!...
- 查看“Active Directory 架构”
- 你能用大数据创造一个新的商业模型吗?
- android 自己定义水平和圆形progressbar 仅仅定义一些style就能够
- Linux的性能故障的含义,Linux排查性能故障的方法
- c语言运算符 ,C语言关于位和运算符
- SUSE Linux上简单配置Samba服务器
- 平面直角坐标系中的旋转公式_【初中数学大招流】从平面几何到解析几何
- 谢耳朵用的MIT人工智能情绪探测器,你也可以拥有
- 天津师范大学计算机与信息工程学院研究生院,天津师范大学计算机与信息工程学院2020考研调剂信息...
- ningx突然403权限拒绝解决方案
- bzoj 1022: [SHOI2008]小约翰的游戏John
- src refspec master does not match any问题
- 5-2 学习打卡(11.7)
- QT设置背景图片的三种方式
- 在人脸识别、机器视觉中USB免驱摄像头拍照颜色不对怎么办?大影30~1600万像素多种摄像头方案通过一次白平衡解决偏色问题。
- 三星生物与莫德纳签署疫苗生产协议;雅高启动新全球推广活动;ATT与探索公司组建全球媒体娱乐巨头 | 美通企业周刊...
- 关于淘宝开放平台API的session失效问题解决
- 软件需求分析课堂讨论01
- 2017第三届中国西部农资展览会会刊(参展商名录)