Deeplabv3+代码简介
在github上使用过众多的语义分割代码,然后发现 bubbliiiing 大神的代码是比较好用的,训练的模型可能不是最好,但是对初学者是比较友好的,有非常多的注释,便于初学者理解学习。本人也是在bubbliiiing的基础上进行修改的,目前是初期阶段,基本是借鉴了他的框架,在后续的创作中,会抽时间自己搞一套。
Deeplabv3+源码地址:源码
Unet源码地址:源码
关于这两个项目的使用大家可以参考我前面的博文Unet和Deeplabv3+。下面将介绍我在Unet源码上的一些修改,以便算法创新。
1.项目整体结构
大体结构没变,删除了一些文件夹和文件。
2.代码变动部分
对nets中的变动较大,基本上是完全修改了,这样比较符合我做实验的习惯,但是肯定还是有很多不方便的地方,后面再慢慢优化
3.数据集
数据集格式和之前的差不多,但是目录名称修改了,imgdata原图数据,格式为jpg。segdata对应的mask图片,格式为mask。
4.train.py
在train.py中,backbone参数与nets/deeplabv3plus/model.py中定义的方法保持一致即可,如下图所示。
总结一下吧,整个项目代码是为了方便后面做优化,以及做对比实验的。虽然mmseg和ppseg做的很好,但是参数太多,看着头疼,不利于新手直击模型本质。如果只是想用基础的unet、deeplabv3实现,直接看bubbliiiing大神的原项目即可。如果有优化和改进需求的,直接下载附件,然后订阅本栏。
项目链接:https://pan.baidu.com/s/1ktQF6rGQa9vr6_bp9a9lNg
提取码:p5y8