deeplab v3 keras VOC2012

ゞ浴缸里的玫瑰 2022-10-02 04:51 145阅读 0赞

2012的测试集是不公开的。

实验代码来源[https://github.com/Golbstein/Keras-segmentation-deeplab-v3.1][https_github.com_Golbstein_Keras-segmentation-deeplab-v3.1]

这个代码需要改的。一个新的代码从来都不是下来就能用的，至少你的数据存储地址就不一样。

这个代码主要是要修改utils.py里面的数据生成器：

self.image_path_list = sorted(glob.glob(os.path.join(folder, 'JPEGImages', 'train', '*')))
    self.label_path_list = sorted(glob.glob(os.path.join(folder, 'SegmentationClassAug', '*')))

这两句直接获取JPEGImage里面的train文件夹，众所周知，VOC官方是提供的txt来做data split，显然这里作者自己把训练数据放到一个文件夹里面了。所以如果是按照官方的先读取txt获得：

train_text = open(os.path.join(folder, 'ImageSets', 'Segmentation')+'/train.txt').read()
    train = train_text.split('\n')
    self.image_path_list = sorted([os.path.join(folder, 'JPEGImages')+ '/'+ name + '.jpg' for name in train ])[1:]
    self.label_path_list = sorted([os.path.join(folder, 'SegmentationClass')+'/'+name +'.png' for name in train ])[1:]

同样的不要忘记修改test。

以及这个作者的validation数据是随机从image\_path\_list里面分出来的：

np.random.seed(seed)
            
    n_images_to_select = round(len(self.image_path_list) * validation_split)
    x = np.random.permutation(len(self.image_path_list))[:n_images_to_select]

所以前面的train应该使用trainval

train_text = open(os.path.join(folder, 'ImageSets', 'Segmentation')+'/trainval.txt').read()
    train = train_text.split('\n')
    self.image_path_list = sorted([os.path.join(folder, 'JPEGImages')+ '/'+ name + '.jpg' for name in train ])[1:]
    self.label_path_list = sorted([os.path.join(folder, 'SegmentationClass')+'/'+name +'.png' for name in train ])[1:]

另外，需要使用Image读取，使用opencv读取的话，需要将标注图片提前转换到1-21的label范围，要不然读出来是0-220的，会报错。

[https_github.com_Golbstein_Keras-segmentation-deeplab-v3.1]: https://github.com/Golbstein/Keras-segmentation-deeplab-v3.1