图像语义分割 —利用Deeplab v3+训练VOC2012数据集

本文档详细介绍了如何在Windows10环境下,利用Tensorflow1.6.0和Python3.6.4,通过Deeplabv3+模型对VOC2012数据集进行语义分割的步骤。内容包括数据预处理、模型训练、评估及结果可视化。关键操作包括将SegmentationClass的多通道标签转换为单通道,运行train.py进行训练,eval.py计算MIOU值,以及vis.py展示预测结果。

前言:

  配置:windows10 + Tensorflow1.6.0 + Python3.6.4(笔记本无GPU)

  源码:https://github.com/tensorflow/models/tree/master/research/deeplab

  权重下载地址:https://github.com/tensorflow/models/blob/master/research/deeplab/g3doc/model_zoo.md

1. 运行model_test.py

  测试安装环境,如果正常,提示:

Ran 5 tests in 10.758s

2.  运行build_voc2012_data.py 生成 .tfrecord数据

  在VOC2012数据集中,文件夹JPEGImages存放着原始的[n*m*3] .jpg格式图片,文件夹SegmentationClass中存放Label数据,为[n*m*3]的 .png图片,首先应将这些label数据转换为[n*m*1]的单通道图片。

  具体转换方法见:https://blog.youkuaiyun.com/weixin_41713230/article/details/81076292


                
评论 109
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值