图像语义分割 Deeplab v3+报错[`predictions` out of bound]解决办法

最新推荐文章于 2023-03-30 14:07:05 发布
最新推荐文章于 2023-03-30 14:07:05 发布
阅读量8.6k 收藏 20
点赞数 2
分类专栏： 图像语义分割 文章标签： DeeplabV3 Python Tensorflow Semantic Segmentation
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41713230/article/details/81076292
版权
在Windows 10环境下，使用Tensorflow 1.6.0和Python 3.6.4进行图像语义分割时，运行DeeplabV3+的eval.py报错。经过排查，错误根源在于VOC2012数据集的SegmentationClass标签文件格式错误，原本为3通道RGB，需要转换为单通道'L'格式。转换后程序运行正常，得到MIOU值，但由于仅训练了30步，结果不佳。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

  运行环境：windows10 + Tensorflow 1.6.0 + Python 3.6.4（笔记本无GPU）

  参考文章：https://blog.csdn.net/qq_32799915/article/details/80070711（图像语义分割 DeepLab v3+ 训练自己的数据集）            

  运行DeeplabV3+，数据集为VOC2012，整个过程参考上文，在运行eval.py时报错，报错的页面如下：Predictions out of bound，刚开始以为是dataset.ignore_label = 255，导致Predictions里出现255，而VOC总共类别数为21（包括背景），从而报错，然而修改ignore_label的值也仍然报错。

   曾一度以为可能是版本问题，但仔细查看报错信息，否决了自己的这个想法。

     最终不断尝试后发现：是Label数据存在问题。

  DeeplabV3+的数据集应包括2个部分，images和labels，image为[n*m*3]，jpg格式，label为[n*m*1]，png格式。而VOC2012 SegmentationClass中的l

最低0.47元/天 解锁文章
Deeplab V3+工作原理讲解：背景知识、基本概念及其操作步骤
AI天才研究院
08-07 2091
DeepLab v3+ (Rethinking Atrous Convolution for Semantic Image Segmentation) 是Google于2019年提出的一种基于Atrous Spatial Pyramid Pooling (ASPP)模块的语义分割网络，可以有效提升语义分割的准确率并减少计算量。
DeepLab V3+ 训练自己的数据
qq_36685744的博客
01-05 6410
一、前提 官网代码：https://github.com/tensorflow/models/tree/master/research/deeplab 1. 依赖 DeepLab依赖于以下库： Numpy Pillow 1.0 tf Slim (which is included in the "tensorflow/models/research/" checkout) Jupy...
记录实现deeplabv3遇到的问题以及环境搭建。
weixin_52958356的博客
09-29 717
参考文章及其源码：憨批的语义分割5——DeeplabV3+模型解析以及训练自己的DeeplabV3+模型（划分斑马线）_Bubbliiiing的学习小课堂-CSDN博客憨批的语义分割5——DeeplabV3+模型解析以及训练自己的DeeplabV3+模型（划分斑马线）学习前言模型部分什么是DeeplabV3+模型DeeplabV3+模型的代码实现1、主干模型Xception。2、DeeplabV3+的Decoder解码部分代码测试训练部分训练的是什么1、训练文件详解2、LOSS函数的组成训练代码1、文件存放
语义分割模型deeplabv3+实验中遇到的问题总结
weixin_44343029的博客
02-21 436
语义分割实验中，将自己数据集转换为voc格式数据集中出现的一些错误问题
deeplabv3+ 改网络常遇到错误 基本是给我自己看的
乱七八糟的笔记
09-26 642
实际上，官方代码写的超棒，各种功能的discret非常好，所以出错的位置大多不会牵扯太多。比如如果你改的是deconv部分，不会引起train以及eval的代码修改。 非常棒，值得学习。 1.scope，如果改了网络结构，但是沿用之前的scope，会出现诸如： None 错误 value cant be None 卷积核不匹配错误 (1,304,3,3) 与 (1,256,3,3) ...
DeepLabV3+语义分割bug解决整理
qq_23022733的博客
05-09 567
文章目录1、TensorBoard 版本太旧问题2、ModuleNotFoundError: No module named 'past' 我的环境如下： 编译器：pycharm 环境：python 3.6 torch：1.2.0 torchvision：0.4.0 1、TensorBoard 版本太旧问题 bug: ImportError: TensorBoard logging requires TensorBoard with Python summary writer installed. T
使用DeepLab进行语义分割
weixin_33962621的博客
01-21 519
介绍 DeepLab是谷歌使用tensorflow基于CNN开发的语义分割模型，至今已更新4个版本。最新版本是DeepLabv3+，在此模型中进一步将深度可分离卷积应用到孔空间金字塔池化和解码器模块，从而形成更快，更强大的语义分割编码器-解码器网络。本文从官方案例出发，介绍如何训练以及使用DeepLabv3+模型。 模型安装 1,下载...
图像语义分割 —利用Deeplab v3+训练VOC2012数据集
木头VS星星
07-17 1万+
前言：   配置：windows10 + Tensorflow1.6.0 + Python3.6.4（笔记本无GPU）   源码：https://github.com/tensorflow/models/tree/master/research/deeplab   权重下载地址：https://github.com/tensorflow/models/blob/master/research...
Deeplab V3+训练自己数据集全过程
热门推荐
jairana的博客
11-09 4万+
Deeplab V3+训练过程0. 参考链接1. 制作数据集1. 制作json文件。2. 批量转换 json--png3. 数据集目录制作4. 生成tfrecord2. 训练前代码准备1. 修改segmentation_dataset.py2. 修改train_utils.py3. 数据不平衡问题4. 修改train .py3. TRAIN1. train2. vis3. val4. 生成更方便观...
用语义分割突破边界框
weixin_33825683的博客
05-24 775
我们应该如何描述一个场景？我们可以说窗户下面有一张桌子，或者沙发右边有一盏灯。理解图像的关键就是：将场景分解成一个个单独的实体，这也有助于我们理解对象的行为。 对象检测有助于绘制某些实体周围的边界框。但人类想要对场景有真正的理解，还需要能够以像素级精度对每个实体的边界进行检测和标记。随着我们开始构建无人驾驶汽车和智能机器人，而这些就需要细致了解周围环境，...
关于博客“基于SegNet和U-Net的遥感图像语义分割”配置过程中出现的问题及解决方法
qq_34258054的博客
03-11 2199
在利用深度学习，对遥感图像中的景物进行语义分割时，使用https://github.com/AstarLight/Satellite-Segmentation的代码，实验环境为Window 10,使用Anaconda集成环境，利用Spyder编译器进行程序的编译，在配置的过程中，出现了如下的问题： 支持库的安装 使用Python 3.6，在程序运行时，会发现缺少相关支持库，主要缺少cv2，mat...
deeplabv3运行报错
分享自己学习过程中的经验和技术，供刚入门的同学参考，少走弯路。
05-19 907
deeplabv3运行报错：RuntimeError: only batches of spatial targets supported (3D tensors) but got targets of size: : 【8, 480, 480, 3】
用deeplab训练自己数据时出现 InvalidArgumentError (see above for traceback): [`labels` out of boundary]
Winters____的博客
12-11 1578
首先，明确问题问题错误点，是label值out of range,在制作标签时，难免会resize 原图和label，而问题就出现在resize的时候，我们在利用cv2,resize()时要注意方式选择 最近邻插值 方式，即 cv2.resize(src,(h,w),interpolation=cv2.INTER_NEAREST) 这个插值方式是根据最近像素值得值进行插值的，比如原label...
【BUG解决】deeplab_v3测试时遇到的错误Invalid argument: padded_shape[1]=69 is not divisible by block_shape[1]=2
Gorgeous_wxd
04-21 1519
解决方案： deeplab/input_preprocess.py中 找到 if is_training and label is not None 然后添加： else: rr = tf.minimum(tf.cast(crop_height,tf.float32)/tf.cast(image_height,tf.float32),\ tf.cast(crop_width,tf.float32)/tf.cast(image_width,tf.float32)) newh
关于deeplabv3+ 使用自定义数据集训练出现问题2
u010358801的博客
01-04 810
关于deeplabv3+ 使用自定义数据集训练出现问题2 前言 见 ： 原创 关于deeplabv3+ 使用自定义数据集训练出现的问题1 1 新出现的问题 1.1 问题简述 ​ 首先由于我使用的数据处理是从dataloaders/datasets/pascal.py 复制过来的，所以很多代码都是从这里变化过来的。正因为如此，而我们的数据集瓷瓦裂痕的数据集，MASK 图片颜色就两种，背景是RGB：(0,0,0)，识别项是RGB(255,255,255) ​ 从vo.
Python图片重命名并复制并将label数据集改成单通道——deeplabv3+制作自己的训练数据集
生如的博客
10-09 3259
主要是在准备deeplabv3+训练数据集，用自己的数据然后用labelme工具进行数据分割标注。得到.json， 利用labelme_json_to_dataset <文件名>.json 得到每张图片对应的<文件名>_json的文件夹，里面有该图片对应的文件，如下： 每个<文
Unity webgl 版本崩溃提示Memory access out of bounds 系列问题巨坑
qq_20991149的博客
03-30 6685
经过一次次尝试判定是该shader所带贴图通道过多，所以某些浏览器不支持， 大多数浏览器支持的shader 携带贴图通道最多为3个，把该shader换成自己所写的只带三个贴图通道的shader之后，问题完美解决。如上图所示，这真的是个巨坑，只有火狐浏览器可以正常打开，其他浏览器都报上面的错误，百度，翻墙，查找各种办法解决之后无果，只是得出一个结论，有N种原因都可能导致这个问题的出现。进一步的打包测试之后终于发现了罪魁祸首，原来的unity自带的standard shader导致的。
C++基础知识（八）例外、异常处理
小菜鸟上校的专栏
10-25 1641
对java熟悉的朋友们都很清楚，java中的异常处理机制是非常完善的。并且java强制使用异常处理，用户必须对有可能出现异常的情况进行处理。在c++中并没有强制用户使用异常处理，但是使用异常处理将会使您的程序更加的健壮。      在c++中，一个函数在执行的过程中可以识别异常（例外），并通告异常的发生。这种通告机制称为抛出异常，使用关键字throw。异常抛出后，可以由函数的调用者进行捕捉并进行
深度学习：使用visdom可视化训练过程时，出现蓝屏，不能正常显示的解决办法（详细图文教程）
qq_40280673的博客
08-12 5029
深度学习训练过程中，使用visdom可视化训练过程时，不能正常显示的解决办法。
deeplab3语义分割
最新发布
12-31
### DeepLabv3+ 实现语义分割的教程 #### 项目简介 本项目采用 PyTorch 实现了 Deeplabv3+ 算法来训练用于自动驾驶场景中的语义分割模型。数据集由 LabelMe 工具标注，共包含六个类别：车辆、虚线、右车道、中间车道、坑洼以及背景[^1]。 #### 模型准备 为了提高训练效率，在未对底部模块进行预训练的情况下，建议先让底模搭配图像分类任务的头部通过图像分类任务进行预训练，然后再将其参数迁移到 Deeplab 中[^2]。 #### 关键技术点 Deeplab V3+ 利用了空洞卷积（Atrous Convolution），这使得网络能够在不增加计算量的同时扩大感受野范围，从而更好地捕捉上下文信息[^3]。 对于低级特征图，使用 \(1 \times 1\) 卷积降低其维度至48个通道；随后将这些经过降维后的低层特征映射与来自 ASPP 的高层特征映射相结合，并利用双线性插值调整大小以匹配输入图像尺寸。最终输出具有相同分辨率于原始输入图片的结果图象[^5]。 以下是简化版本的 Python 代码片段展示如何构建并运行一个简单的 Deeplab v3+： ```python import torch from torchvision import models, transforms from PIL import Image import numpy as np def load_model(): model = models.segmentation.deeplabv3_resnet101(pretrained=True) model.eval() return model transform = transforms.Compose([ transforms.Resize((513, 513)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) image_path = "path_to_your_image" img = Image.open(image_path).convert('RGB') input_tensor = transform(img).unsqueeze(0) model = load_model() with torch.no_grad(): output = model(input_tensor)['out'][0] output_predictions = output.argmax(0) palette = torch.tensor([2 ** 25 - 1, 2 ** 15 - 1, 2 ** 21 - 1]) colors = torch.as_tensor([i for i in range(21)])[:, None] * palette colors = (colors % 255).numpy().astype("uint8") r = Image.fromarray(output_predictions.byte().cpu().numpy()).resize(img.size) r.putpalette(colors) plt.imshow(r) plt.show() ``` 此段脚本展示了加载预训练好的 ResNet-101 版本的 DeeplabV3+, 对单张测试图片执行推理操作的过程，并可视化预测结果。
评论 31
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值