pytorch实现FCN全卷积网络的语义分割（Fully Convolutional Networks for Semantic Segmentation论文简单复现）

约定不等于承诺〃 2022-04-12 12:54 422阅读 0赞

以下文章图片莫名图片丢失，最新版请见：Github

欢迎star和提issue或者PR~

pytorch FCN easiest demo

这个repo是在读论文Fully Convolutional Networks for Semantic Segmentation时的一个pytorch简单复现，数据集很小，是一些随机背景上的一些包的图片（所有数据集大小一共不到80M），如下图

关于此数据集详细信息，见数据集

根据论文实现了FCN32s、FCN16s、FCN8s和FCNs

部分代码参考了这个repo

使用visdom可视化，运行了20个epoch后的可视化如下图：

如何运行

我的运行环境

  • Windows 10
  • CUDA 9.2 （可选）
  • Anaconda 3
  • pytorch = 0.4.1
  • torchvision = 0.2.1
  • visdom = 0.1.8.5

具体操作

  • 打开终端，输入

    python -m visdom.server

  • 打开另一终端，输入

    python train.py

  • 若没有问题可以打开浏览器输入http://localhost:8097/来使用visdom可视化

训练细节

数据集

  • training data来自这里，ground-truth来自这里。
  • 链接中提供的图片中，部分ground-truth的有误，而且部分有ground-truth的图片没有对应training data的图片，将这些有错误的图片分别剔除，重新编号排序之后剩余533张图片。
  • 之后我随机选取了67张图片旋转180度，一共在training data和ground-truth分别凑够600张图片（0.jpg ~ 599.jpg）。

可视化

  • train prediction：训练时模型的输出
  • label：ground-truth
  • test prediction：预测时模型的输出（每次训练都会预测，但预测数据不参与训练与backprop）
  • train iter loss：训练时每一批（batch）的loss情况
  • test iter loss：测试时每一批（batch）的loss情况

发表评论

表情：
评论列表 （有 0 条评论，422人围观）

还没有评论，来说两句吧...

相关阅读