FCN训练sift-flow与voc数据集

最新推荐文章于 2023-03-15 15:32:39 发布
最新推荐文章于 2023-03-15 15:32:39 发布
阅读量289 收藏 1
点赞数
文章标签： 深度学习 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jdjjdjd/article/details/117736632
版权

从0实现训练自己的FCN模型，分为以下三个步骤：

  1. 在自己服务器上实现FCN基于sift-flow数据集的训练与测试。
  2. 在自己服务器上实现FCN基于voc数据集的训练与测试。
  3. 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/

怀揣一梦
关注
caffe FCN网络的训练——以SIFT-Flow 数据集为例
jacke121的专栏
10-12 3093
caffe FCN网络的训练——以SIFT-Flow 数据集为例
FCN语义分割训练数据（以siftflow和voc2012数据集为例）
而濡木染
07-27 6133
截至目前，现已经跑通了siftflow-fcn32s，voc-fcn32s，并制作好了自己的数据集，现在就等大批数据的到来，进而针对数据进行参数fine-tuning，现对我训练的训练流程和训练过程中遇到的问题，做出总结和记录，从而对以后的学习作铺垫。 通过这篇分析语义分割的文章可以知道，FCN作为2014年的网络，现在看来确实有些老旧了，从下表可以看出FCN的表现得分也不是最高的，但是不管黑猫...
FCN网络训练 SIFTFLOW数据集
热门推荐
无奈的小心酸的博客
04-19 1万+
论文全名：Fully Convolutional Networks for Semantic Segmentation 全卷积神经网络 FCN代码运行详解： 运行平台： Ubuntu 14.04 + cudnn7 步骤1.代码准备： 下载新版caffe：   https://github.com/BVLC/caffe 下载fcn代码：      https://gith
FCN网络的训练——以SIFT-Flow 数据集为例
weixin_30764771的博客
01-03 204
参考文章：http://blog.csdn.net/u013059662/article/details/52770198 caffe的安装配置，以及fcn的使用在我前边的文章当中都已经提及到了，这边不会再细讲。在下边的内容当中，我们来看看如何使用别人提供的数据集来训练自己的模型！在这篇文章之后，我计划还要再写如何fine-tune和制作自己的数据集，以及用自己的数据集fine-tune。 ...
SiftFlowDataset
03-08
siftflow数据集，里面有2688张图像，其类别信息如下：Semantic and geometric segmentation classes for scenes. Semantic: 0 is void and 1–33 are classes. 01 awning 02 balcony 03 bird 04 boat ...
sift-flow 数据集
maohule的博客
05-09 2868
sift-flow数据集解析： 1.semanticlabels:语义标签。每一个像素点用一种类别来表示，每一种类别用一个数字来表示。总共有33类，背景类用0表示。 对应列表： 01 awning 雨蓬 02 balcony 阳台 03 bird 鸟 04 boat 船 05 bridge 桥 06 building 建筑 07 bus 大巴车 08 car 小汽车 09 cow 牛 10 cr...
FCN训练自己数据集（person-segmentation）、SIFT-FLOW、SBD和VOC实验总结
weixin_42717395的博客
12-30 2840
最近花了将近一周的时间，基于提供的源码，通过参考网上的博客，跑通了FCN在三个数据集上的训练以及测试。在这里写下总结，即是记录，又希望能够对其他刚刚接触FCN的人有所帮助。 欢迎加群：1012878218，一起学习、交流强化学习，里面会有关于深度学习、机器学习、强化学习的各种资料 。 FCN的源码地址：https://github.com/shelhamer/fcn.berkeleyvi...
基于FCN训练-测试自己的数据集
随便记记
05-15 1332
这里写自定义目录标题前言简化网络样本制作训练测试 前言 都9102年了，语义分割网络层出不穷，不过作为鼻祖，FCN还是有必要了解下，这里就不在记录其原理，直接基于原始FCN-32s精简网络，对工业缺陷数据进行训练和测试。 简化网络 相对于工业缺陷数据，sift-flow，pascal数据算是及其复杂的数据，直接用原始的FCN网络进行训练，先不说效果，效率上就过不去，因此需要对网络进行简化，原始网络...
使用resnet FCN训练VOC2007 数据集语义分割
12-24
在google colab上完美验证过。 可结合本人博客https://blog.csdn.net/WANGWUSHAN/article/details/103600950#comments_14325675 进行学习。 使用时需要把数据集放到："/content/drive/My Drive/VOC2007"文件夹下。 声明：本程序参考了知乎：https://zhuanlan.zhihu.com/p/32506912。
flowdata数据集
05-03
flowdata数据集
[语义分割]基于VGG网络搭建FCN-8s并在VOC2012数据集上训练
Yann的博客
02-21 4697
文章目录1.数据集选取1.1数据集简介1.2 数据预处理1.2.1踩坑记录11.2.2 读取图片路径1.2.3 自定义图像增强与预处理模块1.3自定义数据集类1.3.1数据标签可视化2.搭建FCN-8s网络2.1基础FCN网络架构2.2一些细节2.3网络搭建2.3.1导入预训练神经网络2.3.2 FCN-8s pytorch 实现3.在VOC2012上训练3.1定义超参数3.2导入数据集3.3 实现评价指标 PA，MIOU3.4 实现train方法3.4.1 踩坑记录23.4.2pytorch使用GPU训练
使用FCN训练自己的数据集
weixin_33704234的博客
06-28 686
2019独角兽企业重金招聘Python工程师标准>>> ...
从零开始的Pytorch人工智能实验（上）：以问题“FCN对Pascal VOC2012数据集进行语义分割“为例
hanmo22357的博客
03-15 1105
笔者通过本人的亲身经历，发现关于使用Pytorch进行人工智能深度学习模型的构建和运算，网上并没有一套从零开始的非常详细的教程，而学校的课程中，老师也只是把实验题目甩给我们让我们自由发挥，这就很让人头疼，不知道从什么地方开始。于是我开始构思这样一期文章，带着各位小白从零开始一步一步地学会如何使用Pytorch搭建深度学习模型。希望这篇文章能够让你有所收获。
语义分割学习系列（五) 基于VOC2012数据集的FCN模型训练
ltshan139的专栏
02-09 3626
前言 本文先介绍VOC2012数据集，然后再基于GitHub上的一个开源项目对VOC2012数据集训练出一个FCN算法模型。 VOC2012数据集 VOC2012基本数据集分为两个部分：Train/Validation和Test。 前者大概1.9GB，后者大约1.8GB。大家可以自行去网上搜索并下载。我们这里主要讲第一个部分，其对应的包为：VOCtrainval_11...
CV计算机视觉核心09-图像分割FCN（Penn-Fudan Database数据集）
m0_37755995的博客
07-27 1168
CV计算机视觉核心09-图像分割FCN（Penn-Fudan Database数据集）
（原创）Flow数据流的使用
Android_xiong_st的博客
01-05 1983
Flow翻译过来，是“流”的意思
SIFTFLOW代码解析
qq_32425195的博客
04-19 967
SIFTFLOW代码解析） 下面展示一些 内联代码片。 几个关键步骤： 1.Compute the dense SIFT image：Sift1=dense_sift(im1,patchsize,gridspacing); 2.SIFT flow matching：[vx,vy,energylist]=SIFTflowc2f(Sift1,Sift2,SIFTflowpara) 3.warp:war...
FCN源码解读之voc_layers.py
qq_21368481的博客
05-08 1465
voc_layers.py是FCN中利用python写的数据层（即使用caffe的Python API 写的数据输入层），其格式是相对固定的，包含setup()、reshape()、forward()、backward()四个必要函数。其源码如下：import caffe import numpy as np from PIL import Image import random class...
R-FCN训练自己数据集
最新发布
09-14
为了训练R-FCN模型使用自己的数据集，你可以按照以下步骤进行操作： 1. 首先，将你的数据集准备好，包括图像和相应的标注。确保你的标注与R-FCN的要求相匹配，通常是使用PASCAL VOC格式或COCO格式的标注。 2. 接下来，你需要克隆py-R-FCN工程，你可以通过运行以下命令来完成此操作： ``` git clone https://github.com/Orpine/py-R-FCN.git ``` 3. 在克隆的py-R-FCN目录中，你需要进行一些配置。首先，你需要安装所需的依赖项，可以通过运行以下命令来完成： ``` pip install -r requirements.txt ``` 4. 然后，你需要将训练和验证图像及其相应的标注放置在正确的目录下。按照py-R-FCN的要求，将训练图像和标注放置在`data/VOCdevkit2007/VOC2007`目录下，将验证图像和标注放置在`data/VOCdevkit2007/VOC2007`目录下。 5. 接下来，你需要在`experiments/cfgs`目录中创建一个配置文件。你可以根据你的需求修改现有的配置文件，或者创建一个新的配置文件。确保配置文件中包含正确的目录路径和类别数等信息。 6. 现在，你可以开始训练R-FCN模型了。通过在终端中运行以下命令来进行训练： ``` python train.py --cfg experiments/cfgs/your_config_file.yaml ``` 请将`your_config_file.yaml`替换为你创建的配置文件的名称。 7. 训练过程中可能会遇到一些问题，例如`loss_bbox=0`的情况。你可以参考中提供的解决方法，主要是关于numpy的问题。此外，中也提到了一些常见问题和解决方法，建议你先将迭代次数设置为100或更小来调试。 希望这些步骤对你有帮助。祝你成功训练R-FCN模型！
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值