DANet 深度学习场景分割项目教程

DANet 深度学习场景分割项目教程

DANetDual Attention Network for Scene Segmentation (CVPR2019)项目地址:https://gitcode.com/gh_mirrors/da/DANet

1. 项目目录结构及介绍

该项目的目录结构如下：

.
├── experiments           # 实验相关代码
│   └── segmentation      # 分割任务相关代码
│       ├── models        # 存放预训练模型
│       └── test.py       # 测试脚本
├── datasets               # 数据集存放位置（需手动创建）
└── DANet                  # 主代码库
    ├── config             # 配置文件
    ├── lib                # 工具类和函数
    ├── models             # 网络模型定义
    ├── setup.py           # 安装脚本
    ├── README.md          # 项目说明
    └── main.py            # 主入口文件

• experiments/segmentation: 包含了用于测试的代码和模型。
• DANet/config: 存放配置参数的yaml文件。
• DANet/lib: 提供了网络构建、数据加载等辅助函数。
• DANet/models: 实现了DANet和其他模型的架构。
• DANet/setup.py: 项目安装脚本。
• DANet/main.py: 项目的主入口文件，用于训练和测试。

2. 项目启动文件介绍

2.1 test.py

这是位于 experiments/segmentation 的测试脚本，主要功能是加载预先训练好的模型，对Cityscapes这样的数据集进行单尺度或多尺度测试。通过调整命令行参数，可以改变评估时的基础图像大小、裁剪尺寸以及多尺度参数等。

使用示例:

CUDA_VISIBLE_DEVICES=0 1 2 3 python test.py \
    --dataset citys \
    --model danet \
    --backbone resnet101 \
    --resume models/DANet101.pth.tar \
    --eval \
    --base-size 2048 \
    --crop-size 768 \
    --workers 1 \
    --multi-grid \
    --multi-dilation 4 8 16 \
    --os 8 \
    --aux

2.2 main.py

在 DANet 根目录下的 main.py 是项目的主入口文件，主要用于训练模型。它根据配置文件 (config/*.yaml) 初始化模型、数据加载器并进行训练循环。

使用示例:

python main.py --cfg configs/danet_citys.yaml

3. 项目的配置文件介绍

配置文件通常以 .yaml 结尾，例如 configs/danet_citys.yaml，它们包含了训练或测试所需的各种参数，如学习率、批大小、优化器设置、训练轮数等。用户可以根据实际需求修改这些参数以适应不同的实验条件。

一个简单的配置文件示例可能包括以下内容：

data:
  name: cityscapes
  img_dir: ./datasets/Cityscapes/leftImg8bit/
  gt_dir: ./datasets/Cityscapes/gtFine/
  num_classes: 19
  crop_size: [768, 768]
  base_size: 2048
  flip: True
  scale: 0.5, 0.75, 1.0, 1.25, 1.5, 1.75
model:
  arch: danet
  backbone: resnet101
  output_stride: 8
train:
  batch_size: 8
  max_epochs: 200
  base_lr: 0.01
  weight_decay: 0.0001
  momentum: 0.9
test:
  batch_size: 1
  crop_size: [768, 768]
  base_size: 2048
  flip: False
  scales: [1.0]

在这个例子中：

• data 部分定义了数据集路径、类别数、图像处理参数等。
• model 部分指定了模型类型、基础骨干网络和输出分辨率。
• train 和 test 部分分别设置了训练和测试的超参数，如学习率、批次大小等。

请注意，要确保在运行 main.py 或 test.py 前已将数据集放置在指定的目录，并且已经正确地配置了所有依赖项。

DANetDual Attention Network for Scene Segmentation (CVPR2019)项目地址:https://gitcode.com/gh_mirrors/da/DANet