AVM

环境

最佳实践（推荐，已测试可行）

1. 第一步 使用 MIM 安装 MMCV

pip install -U openmim
mim install mmcv-full

2. 第二步 安装 MMSegmentation

pip install mmsegmentation

3. 第三步下载配置文件(可选)

mim download mmsegmentation --config lraspp_m-v3s-d8_scratch_512x1024_320k_cityscapes --dest .

训练

在当前目录下建立软连接

ln -s AVM_DATA_ROOT avm

其中AVM原始数据集目录如下

avm
 │
 ├─ annotations
 │   ├─ 00000001.yml
 │   └─ 00000002.yml
 │       ... 
 ├─ gt
 │   ├─ 00000001.png
 │   └─ 00000002.png
 │
 ├─ images
 │   ├─ 00000001.jpg
 │   └─ 00000002.jpg
 │
 ├─ info.txt
 │
 ├─ test_db.txt
 │
 ├─ train_db.txt
 │
 ├─ show_db_info.py
 │
 └─ split_db.py

将原数据集格式转换为VOC格式

python convert_avm2voc.py --root=avm --nproc=10

转换过后文件结构如下：

avm
 │
 ├─ annotations
 │   ├─ 00000001.yml
 │   └─ 00000002.yml
 │       ... 
 ├─ gt
 │   ├─ 00000001.png
 │   └─ 00000002.png
 │
 ├─ images
 │   ├─ 00000001.jpg
 │   └─ 00000002.jpg
 │
 │   ... 
 │
 ├─ train.txt
 │
 ├─ test.txt
 │
 └─ semantic
     ├─ 00000001.png
     └─ 00000002.png
 

将avm.py文件复制到mmsegmentation/mmseg/datasets/下 并修改mmsegmentation/mmseg/datasets/__init__.py

...
from .avm import AVMDataset

__all__ = [..., 'AVMDataset']

推理

python inference.py --config=upernet_swin_small_patch4_window7_512x512_160k_avm20k_pretrain_224x224_1K.py --checkpoint=latest.pth --image_path=demo.jpg