运行DeepLabv2

DeepLab：带深度卷积网、空洞卷积和全连接CRF的语义图像分割 论文 讲解

---

测试单张图片

1. 下载源码，修改源码文件夹名称为DeepLabv2。基于Caffe的源码在这。
2. 下载模型，解压缩得到deeplab_resnet.ckpt和deeplab_resnet_init.ckpt，把这两个文件放入DeepLabv2/output文件夹。找一个图片1.jpg也放入该文件夹。
3. 在DeepLabv2创建1infer.sh：

   python inference.py output/1.jpg output/deeplab_resnet.ckpt
   
   #使用自己训练的结果：训练的输出目录是output/snapshots
   python inference.py output/1.jpg output/snapshots/model.ckpt-20000

    

4. 运行1infer.sh即生成DeepLabv2/output/mask.png。

训练

1. 下载数据集，和增广数据集。根据运行错误稍微调整一下文件夹位置。
2. 修改DeepLabv2/train.py中的路径。注意如果RESTORE_FROM指向下载的'output/deeplab_resnet.ckpt'路径，就是在作者的训练结果上继续训练，这样开始训练就是收敛的。
3. 执行：python train.py --random-mirror --random-scale。

可视化

1. 在train.py中设置了：SNAPSHOT_DIR = 'output/snapshots/'。
2. 在DeepLabv2中打开终端，输入：tensorboard --logdir=output/snapshots，按提示打开链接。

---