【论文复现系列】Deeplabv3+代码简介

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