图像语义分割：从头开始训练deeplab v2系列之三【pascal-context数据集】

在之前的博客已经讲过deeplab v2源码解析与基于VOC2012数据集的训练，本博客基于pascal-context数据集进行fine tuning

---

官方源码地址如下：https://bitbucket.org/aquariusjay/deeplab-public-ver2/overview
但是此源码只是为deeplab网络做相应变形的caffe,如果需要fine tuning微调网络，还需要准备以下文件：

• txt文件：文件中有数据集的名字列表的txt文件,此处不同于源码，在pascal-context数据集上自己制作，训练测试集列表

• 训练好的init.caffemodel: 针对deeplab v2，作者有已经预训练好的两个模型参数：DeepLabv2_VGG16 和DeepLabv2_ResNet101
  

• 网络结构prototxt文件: train.prototxt和solver.prototxt，分别在：DeepLabv2_VGG16 和 DeepLabv2_ResNet101
  

• 官网脚本文件: 三个sh文件，建议使用脚本文件，初看虽不懂，但是比python版本的运行简单很多

**注：本博客只涉及脚本版本的训练，pascal-context的list文件要自己根据数据集制作，或者使用此博客的list

---

---

准备工作

1.必要工具

下载安装matio,下载地址

2.数据集准备

本文采用的数据集为pascal-context，由voc2010数据集和pascal-context的注释组成，正如下图数据说明：

原始数据集为voc2010,label即为上图中所说的the annotations for training/validation set为ma，需要把mat文件转为png文件

数据下载

# original PASCAL VOC 2010
cd ~/DL_dataset       #save datasets 为$DATASETS
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2010/VOCtrainval_03-May-2010.tar  #1.3 GB
tar -xvf VOCtrainval_03-May-2010.tar

# the annotations for training/validation set
cd ~/DL_dataset/VOCdevkit
wget http://www.stat.ucla.edu/~ccvl/datasets/pascal-context/trainval.tar.gz #30.7MB only contains the annotations for training set
tar -zxvf trainval.tar.gz

数据转换
修改其中的数据路径为你的trainval所在路径，并在此路径下创建labels文件

cd ~/deeplab_v2/pascal-context
vim convert_rawmat_lab