caffe随记(八)---使用caffe训练FCN的pascalcontext-fcn32s模型(pascal-context数据集)

这篇博客介绍了如何利用Caffe训练全卷积网络(FCN)的pascalcontext-fcn32s模型,详细步骤包括下载FCN框架、VOC2010及pascalcontext数据集,配置预训练模型,修改层名和解决脚本,编译Caffe,安装必要Python包,并最终启动训练过程。在训练过程中,作者注意到该任务消耗了约4GB内存。
摘要由CSDN通过智能技术生成

本篇讨论利用caffe进行FCN训练(采用的是pascal-context数据集

补充:如何用FCN训练好的模型进行图像分割?参考我的另一篇博文: caffe随记(九)---利用FCN和已有的model进行图像语义分割;  http://blog.csdn.net/teeyohuang/article/details/77539912;
链接失效的话可以去我的博文目录里面查找,博文里还写了用DeepLabV2进行图像分割的内容,欢迎指点讨论

1、下载FCN的框架

如图是我在windows下的视图

因为不同的数据源和不同的FCN类型的网络结构并不同,对数据源的读取方式也不同, 因此有很多分支,本篇博文以pascalcontext-fcn32s为例子讲解fcn的训练过程。
把上面的东西拷进服务器, 我是放在 ~/caffe/examples/ 目录下的。文件夹命名为fcn.berkeleyvision.org
进行训练之前要先保证caffe的安装和编译工作已经完成,且make和make pycaffe成功。

2、下载VOC2010数据集

原始数据集至少要包含以下两个文件:


解压后 得到一个文件夹VOCdevkit,放进服务器。
我是放在 ~/caffe/data/pascalvoc/ 目录下的。
输入 
ln –s ~/caffe/data/pascalvoc/VOCdevkit/VOC2010   ~/caffe/examles/fcn.berkeleyvision.org/data/pascal/VOC2010
这是 建立软连接,至于为什么到第9步就知道了,至于这个linux命令(ln)就自行百度吧

3、下载pascalcontext数据

下载如下几个数据:

把这两个压缩包解压后连同那个txt文件一起拷入到服务器中。
放在第一步中那个fcn.berkeleyvision.org文件夹下的data中的pascal-context文件夹中去,以我的路径为例,就应该放入:
~/caffe/examples/ fcn.berkeleyvision.org/data/pascal-context


4、下载预训练model


下载完成后 更名为vgg16-fcn.caffemodel然后放入fcn.berkeleyvision.org文件夹中去,至于为什么更名我待会儿会提到
评论 5
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