caffe Windows下 FCN 跑sift-flow数据

本文介绍了在Windows上利用Caffe运行FCN模型处理sift-flow数据的步骤,包括数据准备、文件修改、训练模型及测试效果。在训练过程中可能出现loss值异常,但通过归一化可以解决。测试结果显示初步效果,为进一步提高分割精度提供了后续试验方向。
摘要由CSDN通过智能技术生成

一、前提条件

  • win10+caffe windows

二、数据准备

  • 1、下载fcn的源码:点击下载fcn源码

  • 2、下载sift-flow数据集:点击下载sift-flow数据集

  • 3、下载预训练模型,该模型由官方提供:点击进入下载页面

    • 下载如下图所示的caffemodel

    下载fcn32s即可

  • 4、将上述数据下载下来之后,我的习惯是建立一个新的文件夹,比如 FCN 文件夹,然后在 FCN 文件夹下新建一个 sift-flow32s 文件夹,然后进入到下载文件fcn.berkeleyvision.org-master\siftflow-fcn32s文件夹中,将里面的所有文件复制,粘贴到 FCN\sift-flow32s 文件夹下面,最后,在fcn.berkeleyvision.org-master文件夹下面,将如下图所示的文件复制一份,粘贴到刚刚新建的文件夹下面。

    如图所示

  • 5、然后在FCN\sift-flow32s\ 文件夹下新建一个文件夹 sift-flow ,其作用就是存放第2步下载的sift-flow数据集,然后进入到fcn.berkeleyvision.org-master文件夹下面的data\sift-flow\ 文件夹里面并将里面所有的文件复制到新建的FCN\sift-flow32s\sift-flow\ 下面,最后从下载的sift-flow数据集中,将所有的文件也照样复制到FCN\sift-flow32s\sift-flow\ 里面。
    这里写图片描述

  • 6、上述5步做完之后,新建的文件夹下应该需要有这些文件:

    这里写图片描述

注意,红色框出来的才是的。

三、跑数据

  • 1、我们需要对一些文件进行修改,才能跑试验,首先修改 solve.py ,我对需要修改或添加的地方都进行了汉字注解

                
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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