首页 > 编程知识 正文

像 分割 语义 如何 训练,像语义分割数据集

时间:2023-05-04 14:11:40 阅读:183281 作者:4624

大家好,这是我的第一篇个人博客。
希望通过写这样一个博客,可以记录我在学习中遇到问题并解决问题的过程,若有幸文章对你有所帮助,也就实现了我写这篇文章的意义。
若文章有遗误之处,还请大家指正。

1.什么是Cityscapes数据集?
我们知道,在深度学习图像语意分割的训练过程中,需要有数据集及分好类的标签,这样才可以让你的神经网络进行学习,进而训练出模型,用来识别你想要识别的图片场景等。Cityscapes便是包含大量街道图片、视频用来训练识别的数据集。
引用其他博客解释如下:https://blog.csdn.net/avideointerfaces/article/details/104139298

Cityscapes是关于城市街道场景的语义理解图片数据集。它主要包含来自50个不同城市的街道场景,拥有5000张在城市环境中驾驶场景的高质量像素级注释图像(其中
2975 for train,500 for val,1525 for test,
共有19个类别);此外,它还有20000张粗糙标注的图像(gt coarse)。

2.Cityscapes数据集如何下载?
在本网站之中搜索不乏很多博主分享数据集网盘链接,但说不定他什么时候就会更新一下呢?不如授人以渔,教大家如何从官网下载数据集。

官方网站:https://www.cityscapes-dataset.com/
大家可以在这个网站中开着谷歌浏览器翻译在网站逛一逛,随便点一点。

清秀的哈密瓜,数据线点开Download(下载)-Register(注册账号)会发现一个致命的问题,需要教育邮箱注册。
若你不想自己注册,就可以和我一样淘宝10元解决问题。淘宝搜索edu邮箱,买销量最高的即可。
登陆后界面如下:
下载前3个文件即可。
其中3文件代表训练使用的原图,1文件代表精细标注label,2文件代表非精细标注label。
有的同学要问了,那我下载1、3不就行了吗?我要这2有何用?
其实Cityscapes数据集提供了34种分类,但有时我们不需要那么多,比如仅需要19分类(默认的)或任意多个分类,进行图像语意分割的神经网络训练,我们就需要用到他Cityscapes提供的自带工具进行label的转换,若缺少2文件,转换代码会报错无法进行。
说到自带工具,如何下载呢?点击上方git repository即可跳转到GitHub网站进行下载。

下载完成后cityscapesscripts内的文件如下:
具体每个文件夹有何用处可参考下面这个博客中所述:
博客链接:https://blog.csdn.net/nefetaria/article/details/105728008

如该博文所示,我们主要所需用的工具是我用红框出来的两个。
labels.py:这个python文件工具作用是映射我们所需训练的物体到一个具体颜色数值。最多可分34类,若增减其中需要分割物体可用此工具。
creatTrainldLabellmgs.py:当用上一个工具定义好训练集识别物体数量后,需要用这个文件重新生成训练集。


打开label文件后如图所示:trainID这一列,凡是255的表示均没有加入训练分类。修改trainID和不感兴趣的ignoreInEval改为True。
修改此工具可参考如下博客:
博客链接:https://blog.csdn.net/qq_38855907/article/details/105922546?ops_request_misc=&request_id=&biz_id=102&utm_term=cityscapeslabels&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduweb~default-1-105922546

修改完label文件后,使用creatTrainldLabellmgs.py文件进行数据集的制作。
(下载的数据集默认就是19分类数据集,若无特殊要求,可不更改labels,不调用creatTrainldLabellmgs.py!)
经过我一下午的测试,调用creatTrainldLabellmgs.py,打开直接运行即可,不需要更改代码,若运行不了,大概率是文件放错了目录,cityscapesscripts需要和gtCoarse、gtFine、leftImg8bit在同一目录下。

3神经网络训练和经验分享
神经网络的使用我是从这位B站孤独的豌豆习得的


他的博客地址如下:
博客地址:https://me.csdn.net/weixin_44791964

这位孤独的豌豆在视频中讲了多种神经网络作为图像语意分割时的基础网络,每种网络都是用简单的2分类进行讲解。
下期博客我会写出我是如何通过他公布的SegNet网络,修改哪几行代码,将训练2分类改为训练多分类。

为了弄清楚如何使用cityscapes数据集花费了我将近3天时间看博客和研究,这位孤独的豌豆也对我提出的问题进行了解答,万分感谢。

我写的若有不清楚的地方还请留言告诉我,或者看一下我cityscapes这个收藏夹吧,相信会对你有所帮助。

版权声明:该文观点仅代表作者本人。处理文章:请发送邮件至 三1五14八八95#扣扣.com 举报,一经查实,本站将立刻删除。