使用cityscapes数据集在mmsegmentation框架下训练语义分割模型

使用cityscapes数据集在mmsegmentation框架下训练语义分割模型

---

1. mmseg安装

mmsegmentation有着完整的中英文文档：依赖 — MMSegmentation 0.29.1 文档

安装mmseg可以根据文档一步步完成，由于我是在服务器上部署，使用CPU时出现报错，因此在验证安装时需要将使用的设备改为GPU:

python demo/image_demo.py demo/demo.png pspnet_r50-d8_512x1024_40k_cityscapes.py pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth --device cuda:0 --out-file result.jpg

2. 数据集下载

进入cityscapes官网：Download – Cityscapes Dataset (cityscapes-dataset.com)

下载数据集需要用教育邮箱注册账号，我们注册并登录后下载这三个数据集：

3. 数据集准备

在以上三个数据集下载完成后，我们需要使用cityscapes数据集官方公开工具集创建带有标签ID的png图像

工具集github地址：cityscapesScripts/cityscapesscripts at master · mcordts/cityscapesScripts (github.com)

我们主要使用其中的preparation/createTrainIdLabelImgs.py，使用时需要将数据集放在工具集的目录中，使其与工具集的cityscapesscripts同级，但是这样未免有些麻烦，我们后续又需要将数据集移动到mmsegmentation中的data目录下，因此对代码做些修改

注意将cityscapesPath改为自己数据集的路径

我们运行这个文件

python preparation/createTrainIdLabelImgs.py

此时可能报错：ModuleNotFoundError: No module named ‘cityscapesscripts’

解决方法非常简单，我们只需在代码中添加一行，同样注意将工具包的路径改为自己的

sys.path.append('/home/mmsegmentation/data/cityscapes/cityscapesScripts')

然后我们再运行文件，标签的转换就会进行了，等待转换完成即可

我在训练中使用的是cityscapes默认的19个分类，没有对训练分类进行修改，但是如果需要修改我们要训练的类别，可以通过修改工具包中的helper/label.py文件来实现

代码中的trainID为255的类别没有加入训练，可以修改trainID和ignoreInEval来将其加入

4. pspnet模型训练

当数据集准备好后，在项目中新建一个data/cityscapes路径存放数据集，可以忽略我的cityscapesscripts工具包

如果在安装时选择了从源码安装，那么在项目的config目录下有着各种各样的模型文件可供选择，并且可以直接使用，我在本次训练中选择了PSPNet模型

mmsegmentation的官方文档中介绍了单卡训练的命令：

python tools/train.py ${CONFIG_FILE} [可选参数]

多卡训练的命令：

sh tools/dist_train.sh ${CONFIG_FILE} ${GPUS} [可选参数]

我使用的是服务器中的4张3090进行训练，运行命令：

./tools/dist_train.sh configs/pspnet/pspnet_r18b-d8_512x1024_80k_cityscapes.py 4

若没有权限运行sh文件，运行命令：

chmod a+x tools/dist_train.sh

再次运行多卡训练的命令，即可成功开始训练，训练命令中的4指的是在本次训练中使用4张显卡进行训练，省略了其他可选参数，–work-dir参数若没有指定则会自动生成一个work_dirs文件夹，用来存储模型的权重文件和训练日志

我此次训练80000轮耗时4小时，训练结果：

这里有一个小技巧，我在使用服务器训练时如果将终端关闭训练也将中断，因此使用screen来实现服务器后台进行训练，无需终端一直保持连接

首先下载screen

apt-get install screen

然后创建一个screen任务

screen -S mmseg

创建成功后再开始训练，就可以退出终端后服务器在后台进行训练不会中断啦

关闭终端再次连接服务器后，可以使用 screen -r mmseg 来重新回到这个screen任务

但是当有时网络波动断开连接时，可能出现报错：

这是由于之前的连接没有断开，我们通过使用 screen -d 8061 命令来删除这个连接，再重新使用-r命令连接即可

我们也可以使用 screen -ls 命令来查看创建的screen任务，在打开的screen任务中输入 exit 即可将任务终止

5. 模型测试

运行如下的命令进行测试：

./tools/dist_test.sh configs/pspnet/pspnet_r18b-d8_512x1024_80k_cityscapes.py work_dirs/pspnet_r18b-d8_512x1024_80k_cityscapes/iter_80000.pth 4 --eval cityscapes --show

这是我的测试结果：

测试过程中仍然可能出现报错：ModuleNotFoundError: No module named ‘cityscapesscripts’

在datasets/samplers/cityscapes.py文件加入两行，注意将路径改为自己的：

import sys
sys.path.append('/home/mmsegmentation/data/cityscapes/cityscapesScripts')

随便找一张华科的街景图看下效果

运行命令

python demo/image_demo.py hust.jpeg work_dirs/pspnet_r18b-d8_512x1024_80k_cityscapes/pspnet_r18b-d8_512x1024_80k_cityscapes.py work_dirs/pspnet_r18b-d8_512x1024_80k_cityscapes/iter_80000.pth --device cuda:0 --out-file hust_result.jpg

效果不是很好哈哈，本次训练只是学习一下