JSENet 项目使用教程

JSENet 项目使用教程

JSENet Implementation of ECCV2020 paper - JSENet: Joint Semantic Segmentation and Edge Detection Network for 3D Point Clouds 项目地址: https://gitcode.com/gh_mirrors/js/JSENet

1. 项目的目录结构及介绍

JSENet 项目的目录结构如下：

JSENet/
├── JSENet_code/
│   ├── ... (项目代码文件)
├── Data/
│   ├── S3DIS/
│   │   ├── ... (S3DIS 数据集文件)
│   ├── Scannet/
│   │   ├── ... (Scannet 数据集文件)
├── results/
│   ├── ... (训练结果文件)
├── LICENSE
├── README.md
├── INSTALL.md
├── training_S3DIS.py
├── training_Scannet.py
├── test_model.py

目录结构介绍

• JSENet_code/: 包含项目的核心代码文件。
• Data/: 存放数据集的目录，包括 S3DIS 和 Scannet 数据集。
• results/: 存放训练结果的目录。
• LICENSE: 项目的许可证文件。
• README.md: 项目的介绍文件。
• INSTALL.md: 项目的安装指南。
• training_S3DIS.py: 用于训练 S3DIS 数据集的启动文件。
• training_Scannet.py: 用于训练 Scannet 数据集的启动文件。
• test_model.py: 用于测试模型的启动文件。

2. 项目的启动文件介绍

training_S3DIS.py

该文件用于训练 S3DIS 数据集。启动该文件的命令如下：

python training_S3DIS.py

training_Scannet.py

该文件用于训练 Scannet 数据集。启动该文件的命令如下：

python training_Scannet.py

test_model.py

该文件用于测试训练好的模型。启动该文件的命令如下：

python test_model.py --task SS  # 用于语义分割任务
python test_model.py --task SED  # 用于语义边缘检测任务

3. 项目的配置文件介绍

JSENet 项目没有明确的配置文件，但可以通过修改 training_S3DIS.py 和 training_Scannet.py 文件中的参数来调整训练配置。例如，可以修改数据集路径、模型参数等。

示例配置修改

在 training_S3DIS.py 文件中，可以找到如下代码段：

# 数据集路径配置
data_path = "Data/S3DIS/Stanford3dDataset_v1.2"

# 模型参数配置
batch_size = 8
learning_rate = 0.001

通过修改这些参数，可以调整训练过程中的配置。

---

以上是 JSENet 项目的使用教程，希望对你有所帮助。

JSENet Implementation of ECCV2020 paper - JSENet: Joint Semantic Segmentation and Edge Detection Network for 3D Point Clouds 项目地址: https://gitcode.com/gh_mirrors/js/JSENet