DeeplabV3+制作自己的VOC数据集使用指南

Posted 2020-12-15 walterj726

目录

• 在自己电脑实现Deeplabv3+
  • 完成deeplabv3+的训练
  • 如果要做一个自己的VOC数据集
  • 问题
    • TensorFlow Allocation of 1511424000 exceeds 10% of system memory
    • tf:failed to alloc 268435456 bytes on host: CUDA_ERROR_OUT_OF_MEMORY

在自己电脑实现Deeplabv3+

首先要清楚图像分割和语义分割的不同

图像分割只需要根据某些规则分成若干个特定的区域，画出那个框来就OK了

但是语义分割的话，则还需要把实例（即人的轮廓）都分割出来，而且还要标识这些是不同的人

现在语义分割可以做到实例分割和全景分割

完成deeplabv3+的训练

1. https://blog.csdn.net/malvas/article/details/90776327
2. https://blog.csdn.net/malvas/article/details/88896283

如果要做一个自己的VOC数据集

1. https://blog.csdn.net/zhangjunbob/article/details/52769381

问题

TensorFlow Allocation of 1511424000 exceeds 10% of system memory

https://blog.csdn.net/fuzzy__H/article/details/83757143

https://blog.csdn.net/qq_29015763/article/details/88783366

tf:failed to alloc 268435456 bytes on host: CUDA_ERROR_OUT_OF_MEMORY

https://blog.csdn.net/qq_26669719/article/details/88597682

## 忽略这些我做的笔记
添加池化层，会减少特征图像尺寸的损失

output_stride = 256/16

rate补0的个数不一样，空洞也不一样 

拼接就是1*1的卷积

两步结合了

Xception-JFT

自己出问题就看看别人标注的文件

validation验证集

367，233，101

灰度图，不同的灰度对应不同的物体

标签就是ground——trouth掩模

预训练模型是什么？？？为什么要借助别人的

平衡问题，出现的多，出现的少

可以一定的修正，没有考虑这个问题

train_step = 1000几百先随便减少一下

crop_size =  部分的裁剪

480*360 --- 裁剪成很多321.321

batch_size = 4 降下来gpu降下来

480*360的话513*513是不太行的

宽是480，360，要反过来

训练次数加大，更精细

数据集比较少，图片比较少

几百次是全黑的

用smooth的区别