FCN 语义分割批量测试验证集代码:infer.py

最新推荐文章于 2024-04-19 02:34:01 发布
最新推荐文章于 2024-04-19 02:34:01 发布
阅读量898 收藏 3
点赞数
分类专栏： fcn 文章标签： caffe fcn semantic segmentation
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_24949539/article/details/80552379
版权
#首先是在Caffe框架下python接口处用，这个代码主要是用来方便上传比赛数据，感谢图像语义分割群：560233379，各位的大牛的帮助。
 

import numpy as np
from PIL import Image
import sys
import matplotlib.pyp

                

        

        

    




        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  茴香打卤面
                
              
            

            

                关注
              
            

        

        

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

      

      

            

                专栏目录
          










                



	

		

			

				
					
FCN制作自己的数据集、训练和测试全流程

				
			

			

				

					zoro_lov3的博客
				

				

					07-06
					
					3万+
					
				

			

		

		

			
				
FCN制作自己的数据集、训练和测试全流程

花了两三周的时间，把FCN的全部流程走了一遍，期间走了很多弯路，现在记录一下。系统环境：ubuntu 16.04LTS

一、数据集的制作 
注：我的数据集是仿照VOC数据集进行制作的

1.resize 数据集

我的GPU显存4G，跑过大的图片带不动，需要resize图片大小，放几个修改图片大小的程序。 
（1）单张图片resize

# codin...

			
		

	



                

              
                



	

		

			

				
					
FCN模型训练中遇到的困难

				
			

			

				

					无奈的小心酸的博客
				

				

					02-24
					
					1万+
					
				

			

		

		

			
				
前前后后大概忙了3个月了 中间穿插了导师给的项目和论文的任务  总算把fcn给run起来了
之前也有参考一些博客作为指导 不过博客有的是有误导性的 导致我的loss居高不下 根本不收敛
还有一些奇奇怪怪的问题 我在下面逐一列举
问题1.使用infer.py时候遇到no display name and no $DISPLAY environment variable


出现这个问题

			
		

	



                


  
              

                


	

		

			

				
					
pytorch 实现语义分割FCN网络（训练代码+预测代码）

				
			

			

				

					ZJE
				

				

					08-11
					
					2万+
					
				

			

		

		

			
				
一，FCN网络

FCN大致上就是下图这个结构：





原图通过“编码器网络”把图片越缩越小，然后再通过“解码器网络”把图片再进行逐步放大。得到就结果就是一个个不同颜色的颜色块(称之为掩码)，每一种颜色代表不同的类别。

FCN中一个很重要的部分---反卷积

图片通过卷积层降低分辨率，提取特征，而反卷积则是把图片重新放大的一个结构。

在语义分割中，必须对反卷积的反卷积核进行参数初始化(这点...

			
		

	





	

		

			

				
					
FCN源码解读之infer.py

				
			

			

				

					qq_21368481的博客
				

				

					05-12
					
					1988
					
				

			

		

		

			
				
infer.py是FCN中用于测试的python文件，每次可以单独测试一张图片在训练好的模型下的分割效果（直观上的以图片形式展示的分割效果）。其源码如下：import numpy as np
from PIL import Image

import caffe
import vis

# the demo image is "2007_000129" from PASCAL VOC

# loa...

			
		

	



		

			
		



	

		

			

				
					
全卷积网络（FCN）实战：使用FCN实现语义分割，2024年最新简单python五子棋代码

				
			

			

				

					m0_60666452的博客
				

				

					04-19
					
					842
					
				

			

		

		

			
				
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。在后面的文章，我也会使用这个库演示。光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

			
		

	





	

		

			

				
					
[深度学习] TensorFlow上FCN模型验证

				
			

			

				

					小黑_BUPT的博客
				

				

					10-30
					
					2167
					
				

			

		

		

			
				
针对 https://blog.csdn.net/weixin_41028208/article/details/81568310 中好多留言，不知道如何用自己的数据验证模型结果，我特意从原程序中摘出来了一个程序，用来验证data_dir中的图片

一个简单的办法，把图片放到valid_images里，然后改成visualize模式

from __future__ import print_fu...

			
		

	





	

		

			

				
					
语义分割FCN经典网络结构代码（Pytorch框架所写）

				
			

			

				

					08-24
				

			

		

		

			
				
python所写的语义分割代码，采用Pytorch框架，代码完整，完美运行。

			
		

	





	

		

			

				
					
keras-fcn.rar_FCN keras_FCN 代码 KERAS_FCN 语义分割_fcn_keras语义分割

				
			

			

				

					09-21
				

			

		

		

			
				
FCN（全卷积网络，Fully Convolutional Network）是语义分割领域的里程碑式工作，由Long等人在2015年提出。本篇文章将深入探讨如何使用Keras库来实现FCN，以及FCN的基本结构和工作原理。  **FCN的基本概念**  FCN是...

			
		

	





	

		

			

				
					
使用resnet FCN训练VOC2007 数据集语义分割

				
			

			

				

					12-24
				

			

		

		

			
				
在google colab上完美验证过。 可结合本人博客https://blog.csdn.net/WANGWUSHAN/article/details/103600950#comments_14325675 进行学习。 使用时需要把数据集放到："/content/drive/My Drive/VOC2007"文件夹下。 ...

			
		

	





	

		

			

				
					
FCN语义分割PPT课件.pptx

				
			

			

				

					10-07
				

			

		

		

			
				
FCN语义分割PPT课件.pptx

			
		

	





	

		

			

				
					
py-faster-rcnn划分数据集（训练集、验证集、训练验证集、测试集）

				
			

			

				

					12-18
				

			

		

		

			
				
将自己的数据集划分为py-faster-rcnn所需的集（训练集、验证集、训练验证集、测试集），读取xml文件生成对应的txt文件。

			
		

	





	

		

			

				
					
python批量测试训练好的网络模型的代码

				
			

			

				

					10-20
				

			

		

		

			
				
可以直接用训练好的模型进行批量测试并显示，python语言的。

			
		

	





	

		

			

				
					
视频及图像tensorflow识别代码

				
			

			

				

					07-19
				

			

		

		

			
				
可以对某文件夹图片或识别并输出。

			
		

	





	

		

			

				
					
CamVid数据集，语义分割FCN训练数据集

				
			

			

				

					04-20
				

			

		

		

			
				
数据集包 括 700 多张精准标注的图片用于强监督学习，可分为训练集、验证集、测试集。同时， 在 CamVid 数据集中通常使用 11 种常用的类别来进行分割精度的评估，分别为：道路 （Road）、交通标志（Symbol）、汽车...

			
		

	





	

		

			

				
					
机器学习数据集划分-训练集，验证集，测试集

				
			

			

				

					The research on computer technolog
				

				

					04-09
					
					1579
					
				

			

		

		

			
				
训练集
作用：估计模型
学习样本数据集，通过匹配一些参数来建立一个分类器。建立一种分类的方式，主要是用来训练模型的。
验证集
作用：确定网络结构或者控制模型复杂程度的参数，超参数
对学习出来的模型，调整分类器的参数，如在神经网络中选择隐藏单元数。验证集还用来确定网络结构或者控制模型复杂程度的参数。
测试集
作用：检验最终选择最优的模型的性能如何
主要是测试训练好的模型的分辨能力（识别率等）

...

			
		

	





	

		

			

				
					
caffe下FCN测试

				
			

			

				

					qq745021926的博客
				

				

					09-23
					
					436
					
				

			

		

		

			
				
1.下载FCN代码 
git clone https://github.com/shelhamer/fcn.berkeleyvision.org2.下载VOC2010数据集 
http://host.robots.ox.ac.uk/pascal/VOC/voc2010/#devkit 
 
VOCdevkit_08-May-2010.tar 是代码和文档 
VOCtrainval_03-May-20

			
		

	





	

		

			

				
					
机器学习中的验证集的作用和如何使用

					
热门推荐

				
			

			

				

					阿华Go，从现在开始的博客
				

				

					04-29
					
					3万+
					
				

			

		

		

			
				
验证集的作用：

在机器学习或者深度学习中，我们需要了解我们的模型包括什么：1）模型设计：①模型架构（包括模型有多少层，每层有多少个神经元）；②可训练权重参数（模型内置参数）；2）模型训练的参数（模型外置参数，如学习率、优化策略等等）。这一块具体大家可以去看一下吴恩达老师机器学习的教程，会有很大收获的，如图（截自吴恩达 机器学习教程）： 
 
然后我们可以发现什么，bp算法可训练的参数只有什么东东...

			
		

	





	

		

			

				
					
训练集、验证集的划分

				
			

			

				

					qq_32801595的博客
				

				

					07-27
					
					988
					
				

			

		

		

			
				
有些数据集没有单独划分验证集，只有训练集和测试集，需要自己划分

from sklearn.model_selection import train_test_split
from sklearn import datasets
iris = datasets.load_iris()
# 30%用于测试集，70%用于训练集
X_train,X_test,y_train,y_test= train_...

			
		

	





	

		

			

				
					
fcn语义分割完整代码

					
最新发布

				
			

			

				

					05-02
				

			

		

		

			
				
FCN（Fully Convolutional Network）是一种用于语义分割深度学习模型，它通过将全连接层替为卷积层来实现像素级别分类。下面是FCN语义分割的完整代码示例：

```python
import torch
import torch.nn as nn
import torchvision.models as modelsclass FCN(nn.Module):
    def __init__(self, num_classes):
        super(FCN, self).__init__()
        self.vgg = models.vgg16(pretrained=True)
        self.relu = nn.ReLU(inplace=True)
        self.conv1 = nn.Conv2d(512, 4096, kernel_size=7)
        self.conv2 = nn.Conv2d(4096, 4096, kernel_size=1)
        self.conv3 = nn.Conv2d(4096, num_classes, kernel_size=1)
        self.upsample = nn.Upsample(scale_factor=32, mode='bilinear', align_corners=False)

    def forward(self, x):
        x = self.vgg.features(x)
        x = self.relu(self.conv1(x))
        x = self.relu(self.conv2(x))
        x = self.conv3(x)
        x = self.upsample(x)
        return x

# 创建FCN模型实例
model = FCN(num_classes=21)

# 加载预训练权重
model.load_state_dict(torch.load('fcn_weights.pth'))

# 将模型设置为评估模式
model.eval()
```

上述代码中，我们使用了PyTorch框架，并借助`torchvision.models`中的VGG16模型作为基础网络。在模型的构造函数中，我们定义了卷积层和上采样层，并在前向传播函数中进行了相应的操作。最后，我们创建了一个FCN模型实例，并加载了预训练权重。需要注意的是，这里的`num_classes`参数表示语义分割任务中的类别数量。



			
		

	



              



  
“相关推荐”对你有帮助么？

  

      
    
          
  • 
              
    
                  
                  
              
    
              
    非常没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    一般
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    有帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    非常有帮助
    
          
    • 
      

      

      

          
          提交
      

      

  




          




        



    





    



      

      

        
      

      





	

		
评论 1

	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
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
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
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