deeplab v3 keras VOC2012

最新推荐文章于 2025-04-18 12:13:34 发布

TinaO-O

最新推荐文章于 2025-04-18 12:13:34 发布

阅读量1.3k

点赞数

分类专栏：神经网络 deeplabv3+

本文链接：https://blog.youkuaiyun.com/u013249853/article/details/92574995

版权

神经网络同时被 2 个专栏收录

37 篇文章

订阅专栏

deeplabv3+

26 篇文章

订阅专栏

本文介绍了如何使用Keras-segmentation-deeplab-v3.1实现Deeplab V3在VOC2012数据集上的实验。内容包括对原始代码的修改，如调整数据生成器以适应VOC官方的txt数据划分方式，以及修正验证数据的获取方法。同时提到了在使用OpenCV读取标注图像时需要注意的label范围转换问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

2012的测试集是不公开的。

实验代码来源https://github.com/Golbstein/Keras-segmentation-deeplab-v3.1

这个代码需要改的。一个新的代码从来都不是下来就能用的，至少你的数据存储地址就不一样。

这个代码主要是要修改utils.py里面的数据生成器：

self.image_path_list = sorted(glob.glob(os.path.join(folder, 'JPEGImages', 'train', '*')))
self.label_path_list = sorted(glob.glob(os.path.join(folder, 'SegmentationClassAug', '*')))

这两句直接获取JPEGImage里面的train文件夹，众所周知，VOC官方是提供的txt来做data split，显然这里作者自己把训练数据放到一个文件夹里面了。所以如果是按照官方的先读取txt获得：

train_text = open(os.path.join(folder, 'ImageSets', 'Segmentation')+'/train.txt').read()
train = train_text.split('\n')
self.image_path_list = sorted([os.path.join(folder, 'JPEGImages')+ '/'+ name + '.jpg' for name in train ])[1:]
self.label_path_list = sorted([os.path.join(folder, 'SegmentationClass')+'/'+name +'.png' for name in train ])[1:]

同样的不要忘记修改test。

以及这个作者的validation数据是随机从image_path_list里面分出来的：

np.random.seed(seed)
        
n_images_to_select = round(len(self.image_path_list) * validation_split)
x = np.random.permutation(len(self.image_path_list))[:n_images_to_select]

所以前面的train应该使用trainval

train_text = open(os.path.join(folder, 'ImageSets', 'Segmentation')+'/trainval.txt').read()
train = train_text.split('\n')
self.image_path_list = sorted([os.path.join(folder, 'JPEGImages')+ '/'+ name + '.jpg' for name in train ])[1:]
self.label_path_list = sorted([os.path.join(folder, 'SegmentationClass')+'/'+name +'.png' for name in train ])[1:]

另外，需要使用Image读取，使用opencv读取的话，需要将标注图片提前转换到1-21的label范围，要不然读出来是0-220的，会报错。