FCN用自己的数据训练

1.模型下载

fcn模型及各种配置文件下载

https://github.com/shelhamer/fcn.berkeleyvision.org

或者

$ git clone https://github.com/shelhamer/fcn.berkeleyvision.org.git

caffemodel下载地址在每个子文件夹下
我目前用的是voc-fcn32s

2.自己的数据集制作

• 数据集包括image和label，image是RGB，.jpg格式；
  label是单通道的，.png格式，背景为0，前景按分类分别为1,2,3…

• 关于图像标注，可以用ps或者matlab的labelme工具包

• 将数据分成train，val，test，分别生成单个txt，txt内容为图片名称（.jpg之前的内容）

3.fcn文件修改

• train.protxt 和 val.protxt
  修改data层参数：路径，txt名称

• solve.py
  修改caffemodel路径
  修改caffe.set_device()

• voc_layers.py
  class VOCSegDataLayer()定义的是val数据，加载val.protxt
  class SBDDSegDataLayer()定义的是train数据，加载train.protxt
  这里，原始fcn训练时输入的label是.mat格式，这里改成.png格式
  具体修改参照博客http://blog.csdn.net/supe_king/article/details/58121993

4.终端运行solve.py或者pycharm等软件运行