PSPNet-tensorflow实现并训练数据

代码下载地址：https://github.com/hellochick/PSPNet-tensorflow
下载预训练模型地址（需翻墙）：https://drive.google.com/drive/folders/1S90PWzXEX_GNzulG1f2eTHvsruITgqsm?usp=sharing 放在./model/文件夹下，并将checkpoint后的格式.txt删除。
修改train.py文件

IMG_MEAN = np.array((103.939, 116.779, 123.68), dtype=np.float32)

BATCH_SIZE = 2

DATA_DIRECTORY = ''

DATA_LIST_PATH = './list/train.txt' #训练数据的

IGNORE_LABEL = 255

INPUT_SIZE = '320,320' #训练图片的大小

LEARNING_RATE = 1e-3

MOMENTUM = 0.9

NUM_CLASSES = 2 #分类的类别

NUM_STEPS = 60001

POWER = 0.9

RANDOM_SEED = 1234

WEIGHT_DECAY = 0.0001

RESTORE_FROM = './'

SNAPSHOT_DIR = './model/'

SAVE_NUM_IMAGES = 4

SAVE_PRED_EVERY = 50 #保存模型的训练步数

inference.txt文件

ADE20k_param = {'crop_size': [320, 320], #修改尺寸和输入图片大小相同

'num_classes': 2,

'model': PSPNet50}

cityscapes_param = {'crop_size': [320, 320], #修改尺寸和输入图片大小相同

'num_classes': 2,

'model': PSPNet101}

修改tool.py

使用网络训练自己的数据，首先建立自己的数据集，可以使用labelme等软件制作标签，将标签图像转化为二值图，具体方法可以自行查阅相关资料，修改tool.py中代码将前景和背景颜色修改为自己的标签的颜色，我们的为二分类所以只修改为两种颜色。

IMG_MEAN = np.array((103.939, 116.779, 123.68), dtype=np.float32)

label_colours = [(0, 0, 0),# (244, 35, 231), (69, 69, 69) #背景色

# 0 = road, 1 = sidewalk, 2 = building

#,(102, 102, 156), (190, 153, 153), (153, 153, 153)

# 3 = wall, 4 = fence, 5 = pole

#,(250, 170, 29), (219, 219, 0), (106, 142, 35)

# 6 = traffic light, 7 = traffic sign, 8 = vegetation

#,(152, 250, 152), (69, 129, 180), (219, 19, 60)

# 9 = terrain, 10 = sky, 11 = person

#,(255, 0, 0), (0, 0, 142), (0, 0, 69)

# 12 = rider, 13 = car, 14 = truck

#,(0, 60, 100), (0, 79, 100), (0, 0, 230)

# 15 = bus, 16 = train, 17 = motocycle

(255, 255, 255)] #前景色

# 18 = bicycle

matfn = './utils/color150.mat'

针对报错：ValueError: Negative dimension size caused by subtracting 90 from 40 for 'conv5_3_pool1' (op: 'AvgPool') with input shapes: [4,40,40,2048].

训练要求图片的大小为720*720(我们将训练和测试图片大小改为320*×320)，修改model代码：

(self.feed('conv5_3/relu')

.avg_pool(40, 40, 40, 40, name='conv5_3_pool1')

.conv(1, 1, 512, 1, 1, biased=False, relu=False, name='conv5_3_pool1_conv')

.batch_normalization(relu=True, name='conv5_3_pool1_conv_bn')

.resize_bilinear(shape, name='conv5_3_pool1_interp'))

(self.feed('conv5_3/relu')

.avg_pool(30, 30, 30, 30, name='conv5_3_pool2')

.conv(1, 1, 512, 1, 1, biased=False, relu=False, name='conv5_3_pool2_conv')

.batch_normalization(relu=True, name='conv5_3_pool2_conv_bn')

.resize_bilinear(shape, name='conv5_3_pool2_interp'))

(self.feed('conv5_3/relu')

.avg_pool(20, 20, 20, 20, name='conv5_3_pool3')

.conv(1, 1, 512, 1, 1, biased=False, relu=False, name='conv5_3_pool3_conv')

.batch_normalization(relu=True, name='conv5_3_pool3_conv_bn')

.resize_bilinear(shape, name='conv5_3_pool3_interp'))

(self.feed('conv5_3/relu')

.avg_pool(10, 10, 10, 10, name='conv5_3_pool6')

.conv(1, 1, 512, 1, 1, biased=False, relu=False, name='conv5_3_pool6_conv')

.batch_normalization(relu=True, name='conv5_3_pool6_conv_bn')

.resize_bilinear(shape, name='conv5_3_pool6_interp'))

训练：

python train.py --update-mean-var --train-beta-gamma 2>&1 | tee log/train.log

测试单张数据：

python inference.py --img-path=./input/029.jpg --dataset cityscapes

很抱歉好长时间没有登陆账号，请关注公共号共同学习AI算法相关知识或与我进行沟通

PSPNet-tensorflow实现并训练数据相关推荐

tensorflow sigmoid 如何计算训练数据的正确率_“来自蒙娜丽莎的凝视”— 结合 TensorFlow.js 和深度学习实现...
客座博文 / Emily Xie,软件工程师背景坊间传闻,当您在房间里走动时,蒙娜丽莎的眼睛会一直盯着您. 这就是所谓的"蒙娜丽莎效应".兴趣使然,我最近就编写了一个可互动的数 ...
tensorflow sigmoid 如何计算训练数据的正确率_量化训练：Quantization Aware Training in Tensorflow（一）...
本文的内容包括对神经网络模型量化的基本介绍.对Tensorflow量化训练的理解与上手实操. 此外,后续系列还对量化训练中的by pass和batch norm两种情况进行补充解释,欢迎点击浏览,量化 ...
tensorflow sigmoid 如何计算训练数据的正确率_用于高级机器学习的自定义TensorFlow损失函数...
在本文中,我们将看看: 在高级机器学习(ML)应用程序中使用自定义损失函数定义自定义损失函数并集成到基本Tensorflow神经网络模型一个简单的知识蒸馏学习的例子介绍机器学习中预定义的损失函 ...
TensorFlow(2)-训练数据载入
tensorflow 训练数据载入 1. tf.data.Dataset 2. dataset 创建数据集的方式 2.1 tf.data.Dataset.from_tensor_slices() 2. ...
关于使用tensorflow object detection API训练自己的模型-补充部分（代码，数据标注工具，训练数据，测试数据）
之前分享过关于tensorflow object detection API训练自己的模型的几篇博客,后面有人陆续碰到一些问题,问到了我解决方法.所以在这里补充点大家可能用到的东西.声明一下,本人专业 ...
Tensorflow版yolov3训练自己的数据
Tensorflow版yolov3训练自己的数据源代码:https://github.com/YunYang1994/TensorFlow2.0-Examples/tree/master/4-Obj ...
谷歌BERT预训练源码解析（一）：训练数据生成
目录预训练源码结构简介输入输出源码解析参数主函数创建训练实例下一句预测&实例生成随机遮蔽输出结果一览预训练源码结构简介关于BERT,简单来说,它是一个基于Transfo ...
TensorFlow csv读取文件数据（代码实现）
TensorFlow csv读取文件数据(代码实现) 大多数人了解 Pandas 及其在处理大数据文件方面的实用性.TensorFlow 提供了读取这种文件的方法. 前面章节中,介绍了如何在 Tens ...
仅50张图片训练数据的AI分类技术PK，阿里拿下ECCV 2020竞赛冠军
出品 | AI科技大本营(ID:rgznai100) 近日,两年一度的世界计算机视觉领域顶会ECCV 2020的各项挑战赛结果出炉,在图像分类赛中,阿里安全的高效AI分类技术超越三星.深兰科技.同济大 ...
利用卷积神经网络(VGG19)实现火灾分类(附tensorflow代码及训练集)
源码地址 https://github.com/stephen-v/tensorflow_vgg_classify 1. VGG介绍 1.1. VGG模型结构 1.2. VGG19架构 2. 用Ten ...

PSPNet-tensorflow实现并训练数据

PSPNet-tensorflow实现并训练数据相关推荐

最新文章

热门文章