谷歌最新语义图像分割模型 DeepLab-v3+ 现已开源 https://www.oschina.net/news/94257/google-open-sources-pixel-2-portrait-code

https://blog.csdn.net/zizi7/article/details/77163969

针对《图像语义分割（1）- FCN》介绍的FCN算法，以官方的代码为基础，在 SIFT-Flow 数据集上做训练和测试。

介绍了如何制作自己的训练数据

数据准备

1）首先 clone 官方工程

git clone https://github.com/shelhamer/fcn.berkeleyvision.org.git

工程是基于 CAFFE 的，所以也需要提前安装好

2）下载数据集及模型
– 到这里下载 SIFT-Flow 数据集，解压缩到 fcn/data/sift-flow/ 下
– 到这里下载 VGG-16 预训练模型，移动到 fcn/ilsvrc-nets/ 下
– 参考文章《 FCN模型训练中遇到的困难》，到这里下载 VGG_ILSVRC_16_layers_deploy.prototxt
　或者直接 copy 以下内容：

name: "VGG_ILSVRC_16_layers"
input: "data"
input_dim: 10
input_dim: 3
input_dim: 224
input_dim: 224
layers {
  bottom: "data"
  top: "conv1_1"
  name: "conv1_1"
  type: CONVOLUTION
  convolution_param {
    num_output: 64
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv1_1"
  top: "conv1_1"
  name: "relu1_1"
  type: RELU
}
layers {
  bottom: "conv1_1"
  top: "conv1_2"
  name: "conv1_2"
  type: CONVOLUTION
  convolution_param {
    num_output: 64
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv1_2"
  top: "conv1_2"
  name: "relu1_2"
  type: RELU
}
layers {
  bottom: "conv1_2"
  top: "pool1"
  name: "pool1"
  type: POOLING
  pooling_param {
    pool: MAX
    kernel_size: 2
    stride: 2
  }
}
layers {
  bottom: "pool1"
  top: "conv2_1"
  name: "conv2_1"
  type: CONVOLUTION
  convolution_param {
    num_output: 128
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv2_1"
  top: "conv2_1"
  name: "relu2_1"
  type: RELU
}
layers {
  bottom: "conv2_1"
  top: "conv2_2"
  name: "conv2_2"
  type: CONVOLUTION
  convolution_param {
    num_output: 128
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv2_2"
  top: "conv2_2"
  name: "relu2_2"
  type: RELU
}
layers {
  bottom: "conv2_2"
  top: "pool2"
  name: "pool2"
  type: POOLING
  pooling_param {
    pool: MAX
    kernel_size: 2
    stride: 2
  }
}
layers {
  bottom: "pool2"
  top: "conv3_1"
  name: "conv3_1"
  type: CONVOLUTION
  convolution_param {
    num_output: 256
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv3_1"
  top: "conv3_1"
  name: "relu3_1"
  type: RELU
}
layers {
  bottom: "conv3_1"
  top: "conv3_2"
  name: "conv3_2"
  type: CONVOLUTION
  convolution_param {
    num_output: 256
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv3_2"
  top: "conv3_2"
  name: "relu3_2"
  type: RELU
}
layers {
  bottom: "conv3_2"
  top: "conv3_3"
  name: "conv3_3"
  type: CONVOLUTION
  convolution_param {
    num_output: 256
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv3_3"
  top: "conv3_3"
  name: "relu3_3"
  type: RELU
}
layers {
  bottom: "conv3_3"
  top: "pool3"
  name: "pool3"
  type: POOLING
  pooling_param {
    pool: MAX
    kernel_size: 2
    stride: 2
  }
}
layers {
  bottom: "pool3"
  top: "conv4_1"
  name: "conv4_1"
  type: CONVOLUTION
  convolution_param {
    num_output: 512
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv4_1"
  top: "conv4_1"
  name: "relu4_1"
  type: RELU
}
layers {
  bottom: "conv4_1"
  top: "conv4_2"
  name: "conv4_2"
  type: CONVOLUTION
  convolution_param {
    num_output: 512
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv4_2"
  top: "conv4_2"
  name: "relu4_2"
  type: RELU
}
layers {
  bottom: "conv4_2"
  top: "conv4_3"
  name: "conv4_3"
  type: CONVOLUTION
  convolution_param {
    num_output: 512
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv4_3"
  top: "conv4_3"
  name: "relu4_3"
  type: RELU
}
layers {
  bottom: "conv4_3"
  top: "pool4"
  name: "pool4"
  type: POOLING
  pooling_param {
    pool: MAX
    kernel_size: 2
    stride: 2
  }
}
layers {
  bottom: "pool4"
  top: "conv5_1"
  name: "conv5_1"
  type: CONVOLUTION
  convolution_param {
    num_output: 512
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv5_1"
  top: "conv5_1"
  name: "relu5_1"
  type: RELU
}
layers {
  bottom: "conv5_1"
  top: "conv5_2"
  name: "conv5_2"
  type: CONVOLUTION
  convolution_param {
    num_output: 512
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv5_2"
  top: "conv5_2"
  name: "relu5_2"
  type: RELU
}
layers {
  bottom: "conv5_2"
  top: "conv5_3"
  name: "conv5_3"
  type: CONVOLUTION
  convolution_param {
    num_output: 512
    pad: 1
    kernel_size: 3
  }
}
layers {
  bottom: "conv5_3"
  top: "conv5_3"
  name: "relu5_3"
  type: RELU
}
layers {
  bottom: "conv5_3"
  top: "pool5"
  name: "pool5"
  type: POOLING
  pooling_param {
    pool: MAX
    kernel_size: 2
    stride: 2
  }
}
layers {
  bottom: "pool5"
  top: "fc6"
  name: "fc6"
  type: INNER_PRODUCT
  inner_product_param {
    num_output: 4096
  }
}
layers {
  bottom: "fc6"
  top: "fc6"
  name: "relu6"
  type: RELU
}
layers {
  bottom: "fc6"
  top: "fc6"
  name: "drop6"
  type: DROPOUT
  dropout_param {
    dropout_ratio: 0.5
  }
}
layers {
  bottom: "fc6"
  top: "fc7"
  name: "fc7"
  type: INNER_PRODUCT
  inner_product_param {
    num_output: 4096
  }
}
layers {
  bottom: "fc7"
  top: "fc7"
  name: "relu7"
  type: RELU
}
layers {
  bottom: "fc7"
  top: "fc7"
  name: "drop7"
  type: DROPOUT
  dropout_param {
    dropout_ratio: 0.5
  }
}
layers {
  bottom: "fc7"
  top: "fc8"
  name: "fc8"
  type: INNER_PRODUCT
  inner_product_param {
    num_output: 1000
  }
}
layers {
  bottom: "fc8"
  top: "prob"
  name: "prob"
  type: SOFTMAX
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345

训练脚本修改

1）生成 test、trainval、deploy

a. 执行 fcn/siftflow-fcn32s/net.py 生成 test.prototxt 和 trainval.prototxt
b. cp test.prototxt 为 deploy.protxt

将第一个 data 层换成

layer {
  name: "input"
  type: "Input"
  top: "data"
  input_param {
    # These dimensions are purely for sake of example;
    # see infer.py for how to reshape the net to the given input size.
    shape { dim: 1 dim: 3 dim: 256 dim: 256 }
  }
}

1
2
3
4
5
6
7
8
9
10

删除网络后面包含 loss 的层（一共2个）

2）修改 fcn/siftflow-fcn32s/solve.py

import caffe
import surgery, score

import numpy as np
import os
import sys

try:
    import setproctitle
    setproctitle.setproctitle(os.path.basename(os.getcwd()))
except:
    pass

vgg_weights = '../ilsvrc-nets/vgg16-fcn.caffemodel'
vgg_proto = '../ilsvrc-nets/VGG_ILSVRC_16_layers_deploy.prototxt'

# init
caffe.set_device(0)
caffe.set_mode_gpu()

solver = caffe.SGDSolver('solver.prototxt')
#solver.net.copy_from(weights)
vgg_net = caffe.Net(vgg_proto, vgg_weights, caffe.TRAIN)
surgery.transplant(solver.net, vgg_net)
del vgg_net

# surgeries
interp_layers = [k for k in solver.net.params.keys() if 'up' in k]
surgery.interp(solver.net, interp_layers)

# scoring
test = np.loadtxt('../data/sift-flow/test.txt', dtype=str)

for _ in range(50):
    solver.step(2000)
    # N.B. metrics on the semantic labels are off b.c. of missing classes;
    # score manually from the histogram instead for proper evaluation
    score.seg_tests(solver, False, test, layer='score_sem', gt='sem')
    score.seg_tests(solver, False, test, layer='score_geo', gt='geo')

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

3）修改 fcn/siftflow-fcn32s/solve.prototxt
添加快照设置：

snapshot:4000
snapshot_prefix:"snapshot/train"

1
2

训练及测试

1）复制 fcn/ 下的 infer.py、score.py、siftflow_layers.py、surgery.py 到 fcn/siftflow-fcn32s 下

2）python train.py 开始训练

3）修改 infer.py 的模型路径及测试图片路径

　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　图1. 迭代72000次的分割结果

4）之后可以以 fcn32s 的训练结果为基础，训练 fcn16s 和 fcn8s
　需要注意的是，对于 fcn16s 和 fcn8s，由于不需要重新构造网络层，因此 solve.py 不需要改

import caffe
import surgery, score

import numpy as np
import os
import sys

try:
    import setproctitle
    setproctitle.setproctitle(os.path.basename(os.getcwd()))
except:
    pass

weights = '../siftflow-fcn32s/snapshot/train_iter_100000.caffemodel'

# init
caffe.set_device(0)
caffe.set_mode_gpu()

solver = caffe.SGDSolver('solver.prototxt')
solver.net.copy_from(weights)

# surgeries
interp_layers = [k for k in solver.net.params.keys() if 'up' in k]
surgery.interp(solver.net, interp_layers)

# scoring
test = np.loadtxt('../data/sift-flow/test.txt', dtype=str)

for _ in range(50):
    solver.step(2000)
    # N.B. metrics on the semantic labels are off b.c. of missing classes;
    # score manually from the histogram instead for proper evaluation
    score.seg_tests(solver, False, test, layer='score_sem', gt='sem')
    score.seg_tests(solver, False, test, layer='score_geo', gt='geo')

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

如何制作自己的训练数据

相比 detect（使用LabelImg框选目标），segment的数据需要耗费很大精力去准备

参考这篇帖子，MIT提供了一个在线标注多边形的工具LabelMe，但一般在工程上，为了尽量精确，更多还是使用 photoshop 的“快速选择”工具

1）首先用 ps 打开待标记图像，“图像->模式->灰度”，将图像转为灰度图
2）使用“快速选择”工具，选出目标区域，“右键->填充->颜色”，假设该区域的 label 为 9 ，那么设置 RGB 为 (9,9,9)

　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　　　　图2. 选择区域并填充

3）所有类别填充完成后，“文件->存储为”label 图像

注意：以上方法针对 SegNet 里的 CamVid 数据格式（图3）

　　　　　　　　　　　　　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　　图3. CamVid 数据格式

如图3所示，train和test里为RGB图像，trainannot和testannot里为标记过的label图像（灰度）
　　　　　　一组训练（图3右）数据包含两张图像

图像语义分割代码实现（1）

谷歌最新语义图像分割模型 DeepLab-v3+ 现已开源 https://www.oschina.net/news/94257/google-open-sources-pixel-2-portrait-code

数据准备

训练脚本修改

训练及测试

如何制作自己的训练数据

京巴犬多少钱一只(京巴犬适合养吗)

dota电脑出英雄指令(dota 打电脑英雄)

最新文章

「已解决」crowns是什么货币

「经验分享」xs码是多大的体重

湘潭属于哪个市(湘潭穷吗)

网上怎么查电信卡流量余额_电信卡如何查流量查话费(教你快速查看流量余额)

网上怎么换流量卡实名认证_流量卡怎么更改实名认证(在网上买了流量卡实名认证了不激活怎么办)

网上怎么换流量卡套餐划算_网上怎么换手机卡套餐(怎样换流量多的套餐)

网上怎么换流量卡办理_网上办的流量卡可以改套餐吗(中国移动网上营业厅能改套餐吗)

网上怎么挑选流量卡呢_如何选择流量卡避免踩坑(5个技巧让你选择流量卡时不踩坑)

网上怎么开通移动流量卡_怎么在网上开移动卡(超划算移动流量卡)

网上怎么办流量卡划算_网上怎么办流量卡划算呢(全网最全的流量卡选购科普指南)

标签

热评文章

苹果向开发者推送tvOS 18.2 Beta3 新增史努比屏保

谷歌因未删除违规内容，在俄罗斯被罚款380万卢布

抵制搜索市场垄断，美国司法部勒令谷歌出售Chrome浏览器

小米汽车：智驾投入上不封顶业务亏损规模不够大

退货太多，运费险都吃不消了？

图像语义分割代码实现（1）

谷歌最新语义图像分割模型 DeepLab-v3+ 现已开源 https://www.oschina.net/news/94257/google-open-sources-pixel-2-portrait-code

数据准备

训练脚本修改

训练及测试

如何制作自己的训练数据

京巴犬多少钱一只(京巴犬适合养吗)

dota电脑出英雄指令(dota 打电脑 英雄)

最新文章

「已解决」crowns是什么货币

标签

热评文章

苹果向开发者推送tvOS 18.2 Beta3 新增史努比屏保

谷歌因未删除违规内容，在俄罗斯被罚款380万卢布

抵制搜索市场垄断，美国司法部勒令谷歌出售Chrome浏览器

小米汽车：智驾投入上不封顶 业务亏损规模不够大

退货太多，运费险都吃不消了？

关注我们的公众号

dota电脑出英雄指令(dota 打电脑英雄)

小米汽车：智驾投入上不封顶业务亏损规模不够大