FPNdemo

环境：

NVIDIA GeForce RTX 3090 One

cityscapesscripts==2.2.0

torch==1.10.2+cu113

torch-tb-profiler==0.4.0

torchaudio==0.10.2+cu113

torchsummary==1.5.1

torchvision==0.11.3+cu113

openpyxl==3.0.10

d2l==0.17.5

运行如下代码即可：

pip3 install -r requirements.txt

0 数据生成

首先去cityspaces下载数据集

mkdir Cityscapes

下载getFine_trainvaltest数据集放在Cityscapes/getFine_trainvaltest下

下载leftImg8bit 11G数据集放在Cityscapes/leftImg8bit下

0.1 脚本介绍

数据集生成脚本文件说明如下图：

SemanticSegmentationUsingPFPN/cityscapesscripts

文件说明

0.2 如何使用

cityscapesscripts/helpers/labels.py

更改其中的trainId 为255即为忽略的类别

训练时需要把255作为忽略类

运行

python3 cityscapesscripts/preparation/createTrainIdLabelImgs.py

即可标记我们需要的数据 这里采用论文的19类

0.3 生成和拷贝数据

将代码单独生成在Cityscapes/trainImg目录下

运行数据转移代码

python3 utils/dataMove.py

运行标签转移代码

python3 utils/labelMove.py

编写dataset类 生成训练格式的数据

python3 utils/dataset.py

1 模型文件

详见

model/resnet.py

model/FPN.py

2 训练脚本

2.1 loss

采用 CrossEntropyLoss

2.2 Metrics

采用 d2l中写好的ACC计算函数

2.3 traner

运行如下脚本

python3 train.py