我想使用自己的数据集定制deeplab进行图像分割,这可以通过重新训练来实现吗?
我想使用自己的数据集定制deeplab进行图像分割,这可以通过重新训练来实现吗?
在Deeplab官方教程页面上,训练命令看起来像这样:
python deeplab/train.py \
--logtostderr \
--training_number_of_steps=30000 \
--train_split="train" \
--model_variant="xception_65" \
--atrous_rates=6 \
--atrous_rates=12 \
--atrous_rates=18 \
--output_stride=16 \
--decoder_output_stride=4 \
--train_crop_size=513 \
--train_crop_size=513 \
--train_batch_size=1 \
--dataset="pascal_voc_seg" \
--tf_initial_checkpoint=${PATH_TO_INITIAL_CHECKPOINT} \
--train_logdir=${PATH_TO_TRAIN_DIR} \
--dataset_dir=${PATH_TO_DATASET}
通过更改dataset_dir
和dataset
以及在segmentation_dataset.py
中的几行代码,您可以针对自己的数据集进行训练。
dataset_dir
:指向您的tfrecord文件夹的路径。
在此文件夹中,您应该有由build_voc2012_data.py或其他位于datasets中的脚本创建的train-%05d-of-%05d.tfrecord
和val-%05d-of-%05d.tfrecord
。
因此,如果您想使用train.tfrecord
进行训练,请将train_split
设置为train
;如果您想在评估数据上进行评估,请将train_split
设置为val
。
dataset
:任何自定义名称,比如“donkey_monkey”
为您自己的数据集创建DatasetDescriptor
:
_DONKEY_MONKEY_INFORMATION = DatasetDescriptor(
splits_to_sizes={
'train': 1464, # number of training examples in train data
'trainval': 2913, # number of examples for train+eval
'val': 1449, # number of eval examples
},
num_classes=21, # note: should be number of class + background
ignore_label=255, # label pixels to ignore
)
修改下面的代码(第112行)
_DATASETS_INFORMATION = {
'cityscapes': _CITYSCAPES_INFORMATION,
'pascal_voc_seg': _PASCAL_VOC_SEG_INFORMATION,
'ade20k': _ADE20K_INFORMATION,
'donkey_monkey': _DONKEY_MONKEY_INFORMATION, # newly added
}