很久没给大家带来教程资源啦。
正值PyTorch 1.7更新,那么我们这次便给大家带来一个PyTorch简单实用的教程资源:用PyTorch进行语义分割。
图源:stanford
该教程是基于2020年ECCV Vipriors Chalange Start Code实现了语义分割,并且添加了一些技巧。
友情提示:教程中的所有文件均可以在文末的开源地址获取。
预设置
在开始训练之前,得首先设置一下库、数据集等。
库准备
pip install -r requirements.txt
下载数据集
教程使用的是来自Cityscapes的数据集MiniCity Dataset。
数据集的简单数据分析
将各基准类别进行输入:
之后,便从0-18计数,对各类别进行像素标记:
使用deeplab v3进行基线测试,结果发现次要类别的IoU特别低,这样会导致难以跟背景进行区分。
如下图中所示的墙、栅栏、公共汽车、火车等。
分析结论:数据集存在严重的类别不平衡问题。
训练基准模型
使用来自torchvision的DeepLabV3进行训练。
硬件为