语义分割学习系列（五) 基于VOC2012数据集的FCN模型训练

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-May-2012.tar。

    解压缩该包后，其子目录如下所示：

Annotations是目标检测的标注xml文件，ImageSets里面有目标检测和分割分别对应的train.txt, trainval以及val.txt， 因为另外一个目录JPEGImages里面的样本图片很多，大约17128张，但实际上训练和验证的样本图片可以通过train.txt（1464张）, val.txt（1449）来指定。SegmentationClass和SegmentationObject分别是语义分割和实例分割的标注结果图片，后缀名是png。 

FCN模型训练

   我在github上找了这么一个开源项目 https://github.com/overfitover/fcn_pytorch 来使用pytorch框架对VOC2012数据集进行FCN算法模型的训练和验证。选择它的理由是，训练，验证以及推理测试命令都非常简单，如下所示。

当然，具体运行时会遇到一些问题，这里列几点如下：

训练时主要注意三个问题：

1）训练样本图片(VOCdevkit)所在的路径要在train.py中相应修改。

2）要事先下载预训练模型：https://download.pytorch.org/models/vgg16-397923af.pth

3）"loss.data[0]"要改成 "loss.item()"，前者是torch0.4以前的语法，后者是0.4以后的规范。而本人安装的torch版本是1.1.0。

 

推理并显示结果时，即 python3 predict.py，会遇到下面问题

1）首先也是VOC数据集样本图片所在路径的修改。

2）要将volatile的用法去掉，这个也是torch版本升级的缘故， 即将 “img = Variable(img.unsqueeze(0), volatile=True)” 修改成

"with torch.no_grad()"。