图像语义分割 —利用Deeplab v3+训练VOC2012数据集

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/g3doc/model_zoo.md

1. 运行model_test.py

  测试安装环境，如果正常，提示：

Ran 5 tests in 10.758s

2.  运行build_voc2012_data.py 生成 .tfrecord数据

  在VOC2012数据集中，文件夹JPEGImages存放着原始的[n*m*3] .jpg格式图片，文件夹SegmentationClass中存放Label数据，为[n*m*3]的 .png图片，首先应将这些label数据转换为[n*m*1]的单通道图片。

  具体转换方法见：https://blog.csdn.net/weixin_41713230/article/details/81076292

python build_voc2012_data.py \
  --image_folder="./VOC2012/JPEGImages" \  # 保存images的路径
  --semantic_segmentation_folder="./VOC2012/SegmentationClass" \ #保存labels的路径，为单通道
  --list_folder='./VOC2012/ImageSets/Segmentation' \ # 保存train\val.txt文件的路径
  --image_format="jpg（image格式）" \
  --outp