FCN-8网络训练笔记

随便用tensorflow搭建了一个FCN8，结构很简单: VGG16从conv1_1到pool5完整拿过来，pool5注意stride改为了2，fc6、fc7变成了1*1的卷积核。然后接3层conv2d_transpose即可，前两个conv2d_transpose分别从pool4和pool3连过来做fuze。tf.AdamOptimizer的学习率用1e-4即可。

抠细节:

1、loss可以这么写：

loss = tf.nn.softmax_cross_entropy_with_logits(logits = self.logits, labels = self.label_tensor)

也可以加：

loss = tf.reduce_mean(loss)

这两者都可以收敛。而且曾经有个说法是tf.AdamOptimizer(lr).minimize(loss)内部会把loss求平均。

然后这里要注意tf.nn.softmax_cross_entropy_with_logits接受的logits是没有经过softmax的网络输出值，初学者容易搞不清这里。

2、开始训练之前一定要保证输入数据完全正确！对于semantic segmentation问题，你的label是一张像素图，这个像素很绝对，很可能由于opencv的读入函数，或者resize函数改变了像素点，导致匹配不上label。这里推荐misc库：

from scipy import misc

im = misc.imread("file_name")

im = im.imresize(im, (x,y))  #这里推荐插值方法使用neares