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自定义 deeplab 进行图像分割？这可以通过再培训来实现吗？

Answer 1

在Deeplab 官方教程页面上，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中的几行segmentation_dataset.py，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。

  在此文件夹中，您应该拥有train-%05d-of-%05d.tfrecord并由build_voc2012_data.py或datasets中的其他脚本val-%05d-of-%05d.tfrecord创建。

  因此，如果您想train.tfrecord用于训练，请设置train_split为train; 如果您想对您的评估数据进行评估，请设置train_split为val。

• dataset：任何自定义名称，例如“donkey_monkey”

• 里面segmentation_dataset.py

  DatasetDescriptor为您自己的数据集创建：

  _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
   }
  
  

Answer 2

是的，您应该遵循这些教程之一，具体取决于您拥有的数据集格式、如何将数据集转换为 TFrecord 格式以及训练模型。

如果您使用 Pascal voc 2012 格式，这里有一个完整的示例，包括训练、评估、可视化结果和导出模型的所有步骤。