Tensorflow训练Kitti道路分割数据

大家学习一个深度学习架构,往往需要遵循如下步骤规律:

(1)数据如何读取,如如何从图片和标签数据中读出成tensorflow可以使用的数据;
(2)其次是如何搭建网络;
(3)然后就是如何训练模型,保存模型,使用模型;
(4)最后就是可视化了。
学习的资料可以参考github上的例程:
http://blog.csdn.net/zhangxx0811/article/details/43202193

今天使用KittiSeg开始训练Kitti道路分割数据:
(1)训练数据准备:
训练集:241
验证集:48
将如图所示的三个文件拷贝到DATA的数据路径下,如图所示
这里写图片描述
之后使用python train.py –hypes hypes/KittiSeg.json训练
这里写图片描述

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
KITTI数据集包含了丰富的语义分割数据,这对于无人驾驶的处理非常关键。语义分割可以帮助无人驾驶系统识别车道、周围环境和其他车辆,从而能够根据不同的场景做出相应的处理。如果没有语义分割,所有的像素将被同等对待,这会给处理和识别带来干扰。因此,KITTI数据集提供了大量的语义分割数据,可以帮助研究人员和开发者进行相关算法的研究和开发。\[2\] KITTI数据集的创建背景是由于在自动驾驶领域应用中,视觉感知系统面临的主要问题之一是缺乏合适的基准数据集。现有的数据集在数据量和采集环境方面与实际需求相差甚远。因此,Andreas Geiger、Philip Lenz和Raquel Urtasun等研究人员利用自己的自动驾驶平台,建立了一个基于真实场景的大规模数据集,以推动计算机视觉和机器人算法在自动驾驶领域的发展。这就是KITTI数据集的诞生背景。\[3\] 总结来说,KITTI数据集是一个包含丰富语义分割数据数据集,它为无人驾驶系统的开发和研究提供了重要的资源。 #### 引用[.reference_title] - *1* *2* [KITTI数据集](https://blog.csdn.net/m0_37605642/article/details/119804038)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [详解KITTI数据集](https://blog.csdn.net/weixin_46195203/article/details/115870752)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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