FCN 实战
FCN 8s-Caffe-VOC 复现
1. 环境配置
- 编译安装 caffe, 并安装 python 接口:https://github.com/BVLC/caffe
- 下载FCN网络模型:https://github.com/shelhamer/fcn.berkeleyvision.org
2. 数据集说明
-
PASCAL VOC
语义分割标注有20个类和一个背景。
-
Semantic Boundary Dataset (SBD)
SBD 是 PASCAL VOC 数据集更进一步的标注,提供了更多的语义分割和实力分割的 mask。
注意: VOC2012 验证集与 SBD 训练集有交叉的部分。
模型数据集
- 训练集:SBD ( 8498 imgs )
- 验证集:VOC 2012 与 SBD 训练集无交叉部分 ( seg11valid.txt - 736 imgs )
3. 更改模型路径
模型目录:
fcn.berkeleyvision.org/voc-fcn8s
|_caffemodel-url 预训练权重的下载地址
|_deploy.prototxt
|_net.py 生成网络模型的文件,暂用不到
|_solve.py
|_solver.prototxt
|_train.prototxt
|_val.prototxt
将 fcn.berkeleyvision.org/data/pascal 文件下的 seg11valid.txt 拷贝到 VOC2012/ImageSets/Segmentation 文件夹下
~ solve.py
# -*- coding: UTF-8 -*-
+ import sys
+ sys.path.insert(0, '${caffe-root}/python') # caffe python 接口
+ sys.path.append('fcn.berkeleyvision.org') # 把 FCN 模型加入 python 路径
...
* weights = './voc-fcn8s/VGG_ILSVRC_16_layers.caffemodel' # 下载好的预训练权重路径
...
- caffe.