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。
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
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
~/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