mmsegmentation 关于灰度图训练的一些问题

数据集处理文件部分

首先是这个文件，训练集的处理

configs/_base_/datasets/name.py

train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(type='LoadAnnotations'),
    dict(
        type='RandomResize',
        scale=(2048, 1024),
        ratio_range=(0.5, 2.0),
        keep_ratio=True),
    dict(type='RandomCrop', crop_size=crop_size, cat_max_ratio=0.75),
    dict(type='RandomFlip', prob=0.5),
    dict(type='PackSegInputs')
]

请注意这里是否存在

PhotoMetricDistortion

如果开启了这个，会造成：
1.随机亮度
2.随机对比度（模式 0）
3.将颜色从 BGR 转换为 HSV
4.随机饱和度
5.随机色调
6.将颜色从 HSV 转换为 BGR
7.随机对比度（模式 1）

请结合自己的数据集实际情况来决定是否需要关闭这个

双卡训练部分

双卡训练时，一个是注意要把BN改成SyncBN

此外，在执行双卡训练代码时

bash tools/dist_train.sh configs/pspnet/pspnet.py 2

注意前面的bash，使用sh会报错↓

8: Bad substitution

关于背景是否关闭

这里首先建议看一下这篇文章的相关部分：
https://blog.csdn.net/qq_39967751/article/details/126272578

然后我来详细讲一下
1.该怎么关闭？修改哪些代码？
首先在

mmseg/datasets/yournet.py

这个文件中

    def __init__(self,
                 seg_map_suffix='.png',
                 reduce_zero_label=False, 
                 **kwargs) -> None:

将reduce_zero_label=False改为True

然后从这个文件的上面的METAINFO中，去掉classes中的’background’，和palette中对应的颜色

之后，前往

/configs/你的训练配置文件.py

在这里搜索所有的num_classes
将其修改为上面的classes中现存的类别数量
比如刚才的数据集定义文件中：

'classes':['1', '2', '3', '4', '5', '6', '7', '8', '9'],

num_classes这里就填9

在修改为true之后，mmseg会将你所有的值为0的区域修改为值为255，这样在训练时就会忽略所有的这样的区域

2.为什么需要关闭？

这里需要结合你的数据集的实际情况，比如你的数据集并未将图片中所有需要检测的目标都标记出来
举例：你分割苹果，图里有三个，但是数据集只标了两个，还有一个就会被当成背景，这样就会让mmseg感到困惑：明明这个长得也像苹果，为什么却算是背景？苹果到底长什么样？

同时，一般数据集会在论文中提到：由于没有标记所有的目标，所以采用了什么什么算法来减少背景对分割的影响。
在这种情况下就需要关闭背景。

如果不关闭，可能就会造成这种情况：
（准确度极低，效果极差，就像是数据集有问题一样）

看看这数据，肉眼做分割都不一定能那么低。

我不缺定这种问题/解决方法是否是灰度图独有的，请自行尝试