DeepLabV3使用及源码讲解

博文介绍的DeepLabV3 代码主要来自于pytorch官方torchvision模块中的源码。

1. DeepLabv3代码的使用

环境配置

• Python3.6 以上
• Pytorch1.10
• Ubuntu或Centos(Windows暂不支持多GPU训练)
• 最好使用GPU训练
• 详细环境配置见requirements.txt

文件结构

 ├── src: 模型的backbone以及DeepLabv3的搭建
 ├── train_utils: 训练、验证以及多GPU训练相关模块
 ├── my_dataset.py: 自定义dataset用于读取VOC数据集
 ├── train.py: 以deeplabv3_resnet50为例进行训练
 ├── train_multi_GPU.py: 针对使用多GPU的用户使用
 ├── predict.py: 简易的预测脚本，使用训练好的权重进行预测测试
 ├── validation.py: 利用训练好的权重验证/测试数据的mIoU等指标，并生成record_mAP.txt文件
 └── pascal_voc_classes.json: pascal_voc标签文件

预训练权重下载地址

• 注意：官方提供的预训练权重是在COCO上预训练得到的，训练时只针对和PASCAL VOC相同的类别进行了训练，所以类别数是21(包括背景)
• deeplabv3_resnet50: