基于PASCAL VOC 2012数据集训练deeplab图像分割模型

最新推荐文章于 2024-03-23 21:45:31 发布

eton_liu

最新推荐文章于 2024-03-23 21:45:31 发布

阅读量4.6k

点赞数

分类专栏：人工智能实战文章标签： tensorflow 深度学习计算机视觉迁移学习图像处理

本文链接：https://blog.youkuaiyun.com/eton_liu/article/details/121969235

版权

本文介绍了如何基于PASCAL VOC 2012数据集训练deeplab图像分割模型，详细步骤包括环境配置、数据集处理、模型训练、评估和导出。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于PASCAL VOC 2012数据集训练deeplab图像分割模型

前言
依赖
安装
测试是否安装成功
设置shell脚本变量
创建目录
下载VOC 2012数据集合并进行格式转换
下载预训练模型
训练模型
评估模型
导出模型
查看训练/评估日志
说明
todo

前言

在《基于人脸识别和图像分割技术制作证件照》博文中，讲解了如何使用人工智能机器视觉的人脸识别和图像分割技术制作证件照，今天教大家使用PASCAL VOC 2012数据集训练deeplab图像分割模型。

依赖

python== 3.7.11
tensorflow==1.15.0

安装

git clone git@github.com:actboy/deeplab.git
cd deeplab
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

测试是否安装成功

python ./deeplab/model_test.py

设置shell脚本变量

CURRENT_DIR=$(pwd)
WORK_DIR="${CURRENT_DIR}/deeplab"
DATASET_DIR="datasets"
PASCAL_FOLDER="pascal_voc_seg"
EXP_FOLDER="exp/train_on_trainval_set"
INIT_FOLDER="${WORK_DIR}/${DATASET_DIR}/${PASCAL_FOLDER}/init_models"
TRAIN_LOGDIR="${WORK_DIR}/${DATASET_DIR}/${PASCAL_FOLDER}/${EXP_FOLDER}/train"