从0实现训练自己的FCN模型,分为以下三个步骤:
- 在自己服务器上实现FCN基于sift-flow数据集的训练与测试。
- 在自己服务器上实现FCN基于voc数据集的训练与测试。
- 在自己服务器上实现FCN基于自己数据集的训练与测试。
第一步:下载FCN代码与sift-flow数据集。代码下载链接为https://github.com/shelhamer/fcn.berkeleyvision.org
下载数据集: http://pan.baidu.com/s/1dFxaAtj ,并解压至/fcn.berkeleyvision.org/data/下,并将文件夹名重命名为sift-flow。这里一定要注意,/fcn.berkeleyvision.org/data/下本来就有一个文件夹叫sift-flow,千万不要覆盖。同时,这些原本就存在的文件夹里的东西还要全部复制到新解压的sift-flow文件夹下边。你可以先把原本的sift-slow重新命名为sitf-flow_1,然后再解压复制!
下载VGG-16的预训练模型放至/fcn.berkeleyvision.org/ilsvrc-nets/目录下,并重命名为vgg16-fcn.caffemodel。
下载地址: http://pan.baidu.com/s/1gfeF4wN
训练步骤为:python slove.py
测试步骤为:python infer.py
第二步:下载voc数据集
voc数据集下载https://pjreddie.com/projects/pascal-voc-dataset-mirror/
第三步:通过labelme软件制作自己的数据集。https://www.pianshen.com/article/8141190515/