深度学习-unet-多类别分割

最新推荐文章于 2024-08-02 22:07:39 发布

MaaDeng

最新推荐文章于 2024-08-02 22:07:39 发布

阅读量8.8k

点赞数 3

分类专栏： unet 文章标签：深度学习

本文链接：https://blog.csdn.net/MaaDeng/article/details/108179538

版权

本文记录了使用UNET进行多类别图像分割的训练和预测过程。作者配置了深度学习环境，调试了代码，并训练了模型。讨论了如何获取和可视化loss，以及如何处理训练和预测中遇到的问题，包括图像尺寸、背景像素值和过拟合的判断。最后，作者展示了对形状规则和不规则图像的预测结果。

摘要由CSDN通过智能技术生成

2020-08-23 记录

2020-08-20在实验室的台式机将深度学习环境配置完成。
2020-08-21 准备多类别分割的python库，调试代码。主要在import自己的模块时有一些问题。
2020-08-22 继续调试代码，开始训练。
2020-08-23 进行predict，和记录结果。
疑问：loss值这里应该怎么去获得，并画图呢？？？

训练

model.py和unet文件夹下的import有一些修改，主要在from unet import unet，这个from后面的要不要加.

train.py有个修改：230行main函数里

if __name__ == '__main__':
    __spec__ = "ModuleSpec(name='builtins', loader=<class '_frozen_importlib.BuiltinImporters'>)" 
    #报错 AttributeError: module '__main__' has no attribute '__spec__'。 查询后加入上面的__spec__这行 2020-08-22 mxl加

一共训练了59个epoch，大约用时7个小时。设置的epoch数为100，在第59个运行结束，参数保存后，control+C强行终止。（不知道是不是这样kill训练过程？？？）

模型全部保存在F:\MXL\DeepLearning\unet-nested-multiple-classification-master\data\checkpoints

预测

使用了不同的训练参数去预测，代码和结果如下：

使用作者提供的预训练模型参数epoch_10.pth

(pytorch_py37) F:\MXL\DeepLearning\unet-nested-multiple-classification-master>python inference.py -m ./data/checkpoints/epoch_10.pth -i ./data/test/input -o ./data/test/output
5it [00:00,  5.10it/s]

结果为F:\MXL\DeepLearning\unet-nested-multiple-classification-master\data\test\output_pretrained_model\1582708143405。
在这里插入图片描述
2. 使用自己2020-08-22训练的模型参数epoch_MXL10.pth
三张图片输出

(pytorch_py37) F:\MXL\DeepLearning\unet-nested-multiple-classification-master>python inference.py -m ./data/checkpoints/epoch_MXL10.pth -i ./data/test/input -o ./data/test/output
5it [00:00,  5.09it/s]

在这里插入图片描述

使用自己2020-08-22训练的模型参数epoch_MXL1.pth

使用第一次epoch的模型参数，下面的半个圆肯定是因为那部分的像素分类分错了，标签分类错误，导致显示的这样的效果。但是将二者合并起来，就看起来是完整的。

(pytorch_py37) F:\MXL\DeepLearning\unet-nested-multiple-classification-master>python inference.py -m ./data/checkpoints/epoch_MXL1.pth -i ./data/test/input -o ./data/test/output
5it [00:01,  3.69it/s]

在这里插入图片描述

使用自己2020-08-22训练的模型参数epoch_MXL59.pth

(pytorch_py37) F:\MXL\DeepLearning\unet-nested-multiple-classification-master>python inference.py -m ./data/checkpoints/epoch_MXL59.pth -i ./data/test/input -o ./data/test/output
5it [00:01,  3.74it/s]

在这里插入图片描述

使用训练59次的模型参数去预测，因为在第10次的模型就已经在这个数据集上预测的很好了。所以怎么判断过拟合？需要通过loss或者accuracy？（继续学习ing）

使用自己2020-08-22训练的模型参数epoch_MXL10.pth.

带颜色的，只有一张图片输出

(pytorch_py37) F:\MXL\DeepLearning\unet-nested-multiple-classification-master>python inference_color.py -m ./data/checkpoints/epoch_MXL10.pth -i ./data/test/input -o ./data/test/output
0it [00:00, ?it/s]