FCN中制作自己的数据集并进行训练

目录

1.FCN论文详解

2.FCN项目实战（使用PASCAL VOC 2012数据集）

3.图像数据集的收集

4.工具的选择

（1）工具一

（2）工具二

（3）工具三

5. 数据集文件的位置

 6.训练数据集

---

1.FCN论文详解

https://mydreamambitious.blog.csdn.net/article/details/125966298

2.FCN项目实战（使用PASCAL VOC 2012数据集）

https://mydreamambitious.blog.csdn.net/article/details/125774545

注：

深度学习领域语义分割常用数据集：深度学习领域语义分割常用数据集：PASCAL VOC 2007 ,2012 NYUDv2 SUNRGBD CityScapes CamVid SIFT-Flow 7大数据集介绍_Keep_Trying_Go的博客-CSDN博客

3.图像数据集的收集

这里提供自己通过下载的图片制作的训练数据集，只有39张图片，读者首先可以使用这份数据集进行训练，没有问题之后跟着这个再制作自己的数据集（数据集的收集自己也可以从生活中收集，也不一定非要从网上下载，这样也许更有意义）。

链接：https://pan.baidu.com/s/1hUZYmy0iQ5dG4dbDD69ZwA 
提取码：25d6

4.工具的选择

（1）工具一

labelme是一种多边形标注工具，可以准确的将轮廓标注出来，常用于分割。

labelme:这个款工具我没有使用过，其实这个使用方式和下面要介绍的labelImg使用方式一样。

安装：pip install labelme

打开：直接在下载的环境中输入：labelme

参考链接：https://blog.csdn.net/weixin_44245653/article/details/119150966

（2）工具二

labelimg,是一种矩形标注工具，常用于目标识别和目标检测,可直接生成yolo读取的txt标签格式，但其只能进行矩形框标注。既然这个工具主要用于图像识别和目标检测，那么为什么可以用来制作分割数据集呢，主要是这里可以制作PASCAL VOC数据集，但是在最后不会生成标签文件，所以这款工具主要用于我们这个实战项目中生成.xml文件。

安装：pip install labelImg

打开：直接在下载的环境中输入：labelImg

首先打开工具：

 

点击保存之后会产生.xml 文件：

 关于这款工具的简单使用就是这样，更多的可以参考B站视频学习。

（3）工具三

安装：
第一步：pip install paddlepaddle -i https://pypi.tuna.tsinghua.edu.cn/simple
第二步：pip install eiseg -i https://pypi.tuna.tsinghua.edu.cn/simple

打开：eiseg

也许在安装完成之后打开会报这个错。

AttributeError: module 'cv2' has no attribute 'gapi_wip_gst_GStreamerPipeline'

解决方法：

pip install --user --upgrade opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

 第一步首先加载模型参数：

模型类型	适用场景	模型结构	模型下载地址
高精度模型	通用场景的图像标注	HRNet18_OCR64	static_hrnet18_ocr64_cocolvis
轻量化模型	通用场景的图像标注	HRNet18s_OCR48	static_hrnet18s_ocr48_cocolvis
高精度模型	通用图像标注	EdgeFlow	static_edgeflow_cocolvis
高精度模型	人像场景标注	HRNet18_OCR64	static_hrnet18_ocr64_human
轻量化模型	人像场景标注	HRNet18s_OCR48	static_hrnet18s_ocr48_human

注：这里加载的模型根据自己标注的数据集情况来，比如适用的是什么场景的。

 第二步打开文件：

第三步添加标签：

 

 第四步选择保存的数据格式：JSON或者COCO

选择JSON就会每一张图片保存一个JSON文件，COCO数据格式只会保存在一个JSON文件中。 

第五步点击目标即可进行图像标注（只需点击图像中的目标即可）：

 

 

虽然我们要的是这样灰度的图，但是直接这样看不是很好，所以我们将其添加调色板：

import os
import cv2
import numpy as np
from PIL import Image

def palette():
    #获取当前目录
    root=os.getcwd()
    #灰度图的位置
    imgFile=root+'\\img'
    #将所有的灰度图添加调色板
    for i,img in enumerate(os.listdir(imgFile)):
        filename, _ = os.path.splitext(img)
        #这个地方需要将图片路径添加完整，不然后面读取图片文件不存在
        img='img/'+img
        img = cv2.imread(img, cv2.IMREAD_GRAYSCALE)
        save_path=root+'\\imgPalette\\'+filename+'.png'
        img = Image.fromarray(img)  # 将图像从numpy的数据格式转为PIL中的图像格式
        palette = []
        for i in range(256):
            palette.extend((i, i, i))
        #这里设置21个颜色，其中背景为黑色，总共21个类别（包括背景）
        palette[:3 * 21] = np.array([[0, 0,0],[0,255,255],[0, 128, 0],[128, 128, 0],[0, 0, 128],
                                     [128, 0, 128],[0, 128, 128],[128, 128, 128],[64, 0, 0],[192, 0, 0],
                                     [64, 128, 0],[192, 128, 0],[64, 0, 128],[192, 0, 128],[64, 128, 128],
                                     [192, 128, 128],[0, 64, 0],[128, 64, 0],[0, 192, 0],[128, 192, 0],[0, 64, 128]
                                     ], dtype='uint8').flatten()

        img.putpalette(palette)
        # print(np.shape(palette)) 输出（768,)
        img.save(save_path)


if __name__ == '__main__':
    print('Pycharm')
    palette()

代码参考：https://blog.csdn.net/weixin_39886251/article/details/111704330

工具选择的同时数据集的标注也完成了，即可进行下面的数据集存放的文件位置。 

5. 数据集文件的位置

反正数据集不管怎么存放，都要根据程序的操作来，并不是说一定要和我的这个一样，你可以对程序进行修改（如果有什么报错，不要害怕，跟着错误的提示继续修改）。

 

 

注：如果对于上面的文件放置位置不是很明白，可以自己下载那个PASCAL VOC 2012数据集，自己查看一下这个数据集的文件位置是怎么放的（其实自己可以修改程序，不一定非要按这样的格式来做）。 

深度学习领域语义分割常用数据集：深度学习领域语义分割常用数据集：PASCAL VOC 2007 ,2012 NYUDv2 SUNRGBD CityScapes CamVid SIFT-Flow 7大数据集介绍_Keep_Trying_Go的博客-CSDN博客 

 6.训练数据集

train.py文件中的一些地方需要修改：数据集的位置，类别数。其他的根据自己的需要进行修改。

 #数据集文件的位置
    parser.add_argument("--data-path", default="data/Mydata/", help="VOCdevkit root")
    #数据集的类别数
    parser.add_argument("--num-classes", default=1, type=int)
    #是否使用辅助分支
    parser.add_argument("--aux", default=True, type=bool, help="auxilier loss")
    #默认使用CPU设备
    parser.add_argument("--device", default="cuda", help="training device")
    #使用的batchsize大小
    parser.add_argument("-b", "--batch-size", default=4, type=int)
    #迭代的数量
    parser.add_argument("--epochs", default=30, type=int, metavar="N",
                        help="number of total epochs to train")
    #训练的学习率
    parser.add_argument('--lr', default=0.0001, type=float, help='initial learning rate')
    #训练的动量
    parser.add_argument('--momentum', default=0.9, type=float, metavar='M',
                        help='momentum')
    #权重延迟
    parser.add_argument('--wd', '--weight-decay', default=1e-4, type=float,
                        metavar='W', help='weight decay (default: 1e-4)',
                        dest='weight_decay')
    #训练多少个epoch打印一次
    parser.add_argument('--print-freq', default=10, type=int, help='print frequency')
    #当训练出现中断时，重新加载从上一次中断的权重文件开始训练
    parser.add_argument('--resume', default='', help='resume from checkpoint')
    #开始训练的epoch
    parser.add_argument('--start-epoch', default=0, type=int, metavar='N',
                        help='start epoch')
    # Mixed precision training parameters
    parser.add_argument("--amp", default=False, type=bool,
                        help="Use torch.cuda.amp for mixed precision training")

 进行预测的文件predict.py: