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

最新推荐文章于 2024-05-07 15:22:15 发布

Teeyohuang

最新推荐文章于 2024-05-07 15:22:15 发布

阅读量4.8k

点赞数 2

分类专栏： caffe 文章标签：深度学习 caffe FCN

本文链接：https://blog.csdn.net/Teeyohuang/article/details/77159332

版权

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

https://github.com/shelhamer/fcn.berkeleyvision.org

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

http://host.robots.ox.ac.uk/pascal/VOC/voc2010/#devkit

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