Pytorch复现FCN网络

Pytorch复现FCN网络详解(可复现)

1、环境配置

windows10，pytorch=1.3，python=3.6
参考博客：https://github.com/wkentaro/pytorch-fcn
本文FCN完整复现代码：https://github.com/fc-123/Semantic-segmentation/tree/master/Pytorch-FCN

2、数据集说明

本文使用的是CamVid数据集进行复现，当然也可以用自己的数据集(亲测可行)。
数据集下载链接：
https://download.csdn.net/download/weixin_44753371/12299379
若制作自己的数据集需要用到labelme标注工具，而本文复现的项目为rgb三通道的数据。

3、具体复现步骤(同样运用于自己的数据集)

3.1 文件说明及修改

1)FCN.py文件为网络模型文件，当使用train.py训练数据集的时候，FCN网络会自动下载vgg_16预训练模型文件，在C:\Users\Administrator.cache\torch\checkpoints路径下保存，下载后就不会再次下载。
2)在训练前，修改utiles文件夹下evalution_segmentaion.py文件，将n_class=12，改成自己的数据集的类别数量。
3)若训练自己的数据集，在train.py文件中，j将数据集的路径改成自己的，具体要改的地方，博主已经在代码中注释出来。
4)检测训练好的模型，在test.py中，将一些参数(路径，类别)改成自己的。
5)预测数据集时，在predict.py文件中，将一些参数(路径，类别)改成自己的。

3.2模型训练结果

本模型的检测指标有：test_acc，test_miou，test_map，test_class_acc(每个类的准确率)。
该图仅是示范，不是最终结果(不然太低了)。
其实博主训练自己的数据只有3类，复现时CamVid是12类，由于类别数没有修改(应修改为3，就不会出现那么多0)，所以test_class_acc只有三个有精度，其余为0。