本文默认

• 已经装配好了anaconda
• 拥有NVDIA支持进行GPU运算的显卡以及正确装配的驱动
• 已配置好了代理以及下载加速
• 操作环境为Windows 11+Kali Linux(WSL2)

环境配置

基础环境

首先创建一个anaconda的虚拟环境，进入Anconda Prompt，这里我就用pytorch作为环境名，python3.8为必须选项（网上大部分描写的3.6版本python现在已经不受支持，使用最新环境中会遇到诸多问题）

conda create -n pytorch python=3.8

安装成功后激活环境

conda activate pytorch

如果前面显示(pytorch)，则说明已经成功进入环境，然后执行pytorch安装命令（最新命令可以在官网查到）

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch

Deeplabv3+装配

克隆和安装deeplabv3+

git clone https://github.com/VainF/DeepLabV3Plus-Pytorch.git

clone成功后在其目录下执行

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

装配相关依赖

数据集收集

这里使用经典的VOC2007以及VOC2012数据集进行处理，下载之后得到几个数据集文件在本地进行解压。

文件夹层次为VOCdevkit/VOC2007和VOCdevkit/VOC2012

VOC2007和VOC2012下面有若干分类后的文件夹

• JPEGIamges放所有的数据集图片
• Annotations放所有的xml标记文件
• SegmentationClass放标注的数据集掩码文件
• ImageSets/Segmentation下存放训练集、验证集、测试集划分文件
  • train.txt给出了训练集图片文件列表（不含后缀）
  • val.txt给出了验证集图片文件的列表
  • trainval.txt给出了训练集和验证集图片文件的列表
  • test.txt给出测试集图片文件的列表

权重文件放置

在主目录下新建weights文件夹，将.pth标识的权重文件放入

测试图片

使用deeplabv3plus_mobilenet模型

python predict.py --input datasets/data/VOCdevkit/VOC2007/JPEGImages/000001.jpg --dataset voc --model deeplabv3plus_mobilenet --ckpt weights/best_deeplabv3plus_mobilenet_voc_os16.pth --save_val_results_to test_results

标注工具-LabelMe安装

安装使用

进入Anaconda，新建一个python版本为3.6的虚拟环境，然后进入该环境，使用pip进行安装

pip install pyqt5
pip install labelme

接着在该环境执行命令

labelme

打开软件，进行标注，标注后生成json文件，最后将数据集图像文件以及标注的json文件放置在~/mydataset目录下

数据转换

python labelme2voc.py roadscene_train roadscene_train/data_dataset_voc --labels labels.txt
python labelme2voc.py roadscene_val roadscene_val/data_dataset_voc --labels labels.txt

模型训练

训练网络

使用deeplabv3plus_mobilenet模型

python main.py --model deeplabv3plus_mobilenet --enable_vis --vis_port 8097 --gpu_id 0 --year 2007 --crop_val --lr 0.01 --crop_size 513 --batch_size 4 --output_stride 16 --num_classes 6 --total_itrs 1000 --ckpt weights/best_deeplabv3plus_mobilenet_voc_os16.pth

• --model: 指定使用的模型
• --enable_vis: 启用visdom可视化
• --vis_port: 指定visdom使用的端口
• --gpu_id: 指定gpu的id
• --year: 指定训练数据
• --crop_val: 声明进行crop操作
• --lr: 声明learning rate（学习率）
• --crop_size: 指定crop之后的图片格式为513x513
• -- batch_size: 声明batch size
• --output_stride: 网络模型对图片进行指定倍数的下采样
• --num_classes: 设定为类别数+1
• --total_itrs: 迭代数目
• --ckpt: 预训练权重文件

验证网络模型

整体测试集

python main.py --model deeplabv3plus_mobilenet --gpu_id 0 --year 2007 --crop_val --lr 0.01 --crop_size 513 --batch_size 16 --output_stride 16 --ckpt checkpoints/best_deeplabv3plus_mobilenet_voc_os16.pth --test_only --save_val_results

最后结果保存在result文件夹下

图片测试

单张图片测试

python predict.py --input datasets/data/VOCdevkit/VOC2007/JPEGImages/img001.jpg -- dataset voc --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_voc_os16.pth --save_val_resu lts_to test_results1 --crop_size 513

多张图片测试

如果是jpg图片，修改predict.py中

files = glob(os.path.join(opts.input, '**/*.png'), recursive=True)

为

files = glob(os.path.join(opts.input, '**/*.jpg'), recursive=True)

然后再执行命令即可

结果展示