m0_51950734的博客

DeepLabv3+的Encoder的主体是带有空洞卷积的DCNN，可以采用常用的分类网络如ResNet，然后是带有空洞卷积的空间金字塔池化模块（Atrous Spatial Pyramid Pooling, ASPP)），主要是为了引入多尺度信息；在训练voc数据集时，直接将数据集放置于VOCdevkit中即可，在训练自己数据时，需要运行voc_annotation.py文件，将数据按照训练-验证-测试集分配并将标签另存。将代码Git下来之后，首先按照requirement将所需库配置完成。

在进行训练之前需要将参数设置好，其中较重的参数有backbone、num_classes、pretrained、model_path、downsample_factor，还有冻结训练以及非冻结训练过程中的bathsize和epoch。在训练voc数据集时，直接将数据集放置于VOCdevkit中即可，在训练自己数据时，需要运行voc_annotation.py文件，将数据按照训练-验证-测试集分配并将标签另存。在设置好参数之后在运行train.py代码即可开始训练过程。