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()"。