Tensorflow2.0---DeepLab v3+分割网络原理及代码解析（四）- 训练过程

Tensorflow2.0—DeepLab v3+分割网络原理及代码解析（四）- 训练过程

在Tensorflow2.0—DeepLab v3+分割网络原理及代码解析（三）- 特征提取网络实现中，输入图片已经经过主干网络进行了特征提取，最终得到的fearture map的shape为（512,512,2）。
这篇主要讲讲训练过程吧~~

一、dataset

train_dataloader = DeeplabDataset(train_lines, input_shape, batch_size, num_classes, True, VOCdevkit_path)[3]
val_dataloader = DeeplabDataset(val_lines, input_shape, batch_size, num_classes, False, VOCdevkit_path)

train.py中上述两行代码开启dataset的重定义~

    def __getitem__(self, index):
        images  = [] #保存img
        targets = [] #保存label
        for i in range(index * self.batch_size, (index + 1) * self.batch_size):  
            i           = i % self.length
            name        = self.annotation_lines[i].split()[0] #从第i批batch数据的第一张图开始遍历处理
            #-------------------------------#
            #   从文件中读取图像（返回的都是Image对象，而不是数组）
            #-------------------------------#
            jpg         = Image.open(os.path.join(os.path.join(self.dataset_path, "VOC2007/JPEGImages"), name + ".jpg"))
            png         = Image.open(os.path.join(os.path.join(self.dataset_path, "VOC2007/SegmentationClass"), name + ".png"))
            #-------------------------------#
            #   数据增强
            #-------------------------------#
            jpg, png    = self.get_random_data(jpg, png, self.input_shape, random = self.train)
            jpg         = preprocess_input(np.array(jpg, np.float64))  #输入图片做归一化操作
            png         = np.array(png)
            png[png >= self.num_classes] = self.num_classes
            #-------------------------------------------------------#
            #   转化成one_hot的形式
            #   在这里需要+1是因为voc数据集有些标签具有白边部分
            #   我们需要将白边部分进行忽略，+1的目的是方便忽略。
            #-------------------------------------------------------#
            seg_labels  = np.eye(self.num_classes + 1)[png.reshape([-1])]
            seg_labels  = seg_labels.reshape((int(self.input_shape[0]), int(self.input_shape[1]), self.num_classes + 1))

            images.append(jpg)
            targets.append(seg_labels)

        images  = np.array(images)
        targets = np.array(targets)
        return images, targets

• images：一个列表，包含了batch_size个图片，每个图片都经过了归一化的操作，shape均为（512,512,3）
• targets：一个列表，包含了batch_size个label，shape均为（img_h,img_w,class_num+1）

二、loss

直接看大佬的blog吧~
憨批的语义分割重制版10——Tensorflow2 搭建自己的DeeplabV3+语义分割平台