tensorflow - 我可以将 deeplab 微调到 tensorflow 中的自定义数据集吗？

Question

我想使用我自己的数据集定制用于图像分割的 deeplab 吗？这可以通过再培训来实现吗？

Answer 1

在 Deeplab official tutorial page ，训练命令如下所示:

python deeplab/train.py \
    --logtostderr \
    --training_number_of_steps=30000 \
    --train_split="train" \
    --model_variant="xception_65" \
    --atrous_rates=6 \
    --atrous_rates=12 \
    --atrous_rates=18 \
    --output_stride=16 \
    --decoder_output_stride=4 \
    --train_crop_size=513 \
    --train_crop_size=513 \
    --train_batch_size=1 \
    --dataset="pascal_voc_seg" \
    --tf_initial_checkpoint=${PATH_TO_INITIAL_CHECKPOINT} \
    --train_logdir=${PATH_TO_TRAIN_DIR} \
    --dataset_dir=${PATH_TO_DATASET}

通过更改 dataset_dir和 dataset以及 segmentation_dataset.py 中的几行，您可以在自己的数据集上进行训练。

dataset_dir :路径指向您的 tfrecord 文件夹 .

在这个文件夹中，你应该有 train-%05d-of-%05d.tfrecord和 val-%05d-of-%05d.tfrecord创建者 build_voc2012_data.py或 datasets 中的其他脚本.

因此，如果您想使用 train.tfrecord用于训练，设置 train_split至 train ;如果要对评估数据进行评估，请设置 train_split至 val .

dataset : 任何自定义名称，比如“donkey_monkey”

内 segmentation_dataset.py

创建 DatasetDescriptor对于您自己的数据集:

_DONKEY_MONKEY_INFORMATION = DatasetDescriptor(
splits_to_sizes={
    'train': 1464,  # number of training examples in train data
    'trainval': 2913,  # number of examples for train+eval
    'val': 1449,  # number of eval examples 
    },
    num_classes=21, # note: should be number of class + background
    ignore_label=255,  # label pixels to ignore
)

更改以下代码(第 112 行)

_DATASETS_INFORMATION = {
    'cityscapes': _CITYSCAPES_INFORMATION,
    'pascal_voc_seg': _PASCAL_VOC_SEG_INFORMATION,
    'ade20k': _ADE20K_INFORMATION,
    'donkey_monkey': _DONKEY_MONKEY_INFORMATION, # newly added
 }