FCN网络训练 终极版

前言

之前写过两个版本的FCN网络训练，一个是基于caffe-future（原博地址），一个是基于官方Caffe的FCN（原博地址）。结果有很多人都咨询一些问题，由于一直有项目和论文的任务，因此一直没有注意到大家的问题，知道今天才看到。自己也是写博不久，对于很多问题没有解释清楚，因此，再次将这两个版本合并一下，并教程从零开始，写完具体的每一步。

最后，将大家的评论和私信里的典型问题做了仔细解答。希望给大家带来帮助。

友情提醒

教程分为两大部分，第一部分为新版FCN的教程，第二部分为CVPR2015论文提供的初版教程。前者已经整合到新版caffe中去，后者现已经被废弃，不建议使用，教程也比较简略一些。

新版FCN训练

准备工作

1. 代码准备

$ git clone https://github.com/shelhamer/fcn.berkeleyvision.org.git
$ git clone https://github.com/BVLC/caffe.git

2. 编译caffe

请参见官方文档，不在此赘述。但需要注意的是，在MakeFile.config文件的修改过程中，打开WITH_PYTHON_LAYER，即按照如下修改：

# Uncomment to support layers written in Python (will link against Python libs)
WITH_PYTHON_LAYER := 1

3. 数据准备（以SIFT-Flow 数据集为例）

下载数据集：下载地址。
并解压至/fcn.berkeleyvision.org/data/下，并将文件夹名重命名为sift-flow。

之后，将数据全部resize到500*500。这部分就不用细说了吧。

4. 下载预训练模型

下载VGG-16的预训练模型（地址）放至/fcn.berkeleyvision.org/ilsvrc-nets/目录下，并重命名为vgg16-fcn.caffemodel。

源码修改

1. prototxt文件修改

进入siftflow-fcn32s文件夹下，将test.prototxt和trainval.prototxt中的fc6和fc7分别替换为其他名称，例如：fc6_new和