问题标签 [deeplab]

Deeplab v3 返回一个缩小/调整大小的图像及其对应的掩码。如何调整图像的大小及其相应的蒙版以更好地适应我的规范。

在功能

从model.py，我们有：

https://github.com/tensorflow/models/blob/1c99681ed94495f446399e247a8d63e07f28391c/research/deeplab/model.py#L191

我期待的是：

那么为什么没有softmax呢？

我正在尝试使用此处的模型训练模型 https://github.com/tensorflow/models/blob/master/research/deeplab/g3doc/model_zoo.md 这里的 Eval 比例是什么意思？我认为它可能是图像大小的比例，但为什么在某些情况下它是三维的？谢谢！

我使用tensorflow https://github.com/tensorflow/models/tree/master/research/deeplab我想应用我自己的数据增强。

TF:deeplab使用slim作为通用学习框架。

在deeplab核心 preprocess_utils 中有 deeplabs 自己的预处理增强。

我想要的只是手动（用我自己的肉眼）在预处理前后查看图像，以获得视觉反馈

我已经尝试获取张量 -> 图像 -> imshow 但它需要会话。在这一点上，我首先想问专家这是否可能，甚至是一个提示......

我直接在代码中插入的每个函数都只被调用一次......即使由于它正在预处理而以某种方式触发所有图像......

最好的jeahinator

将 Deeplab Tensorflow 模型转换为 TensorRT 模型会显着增加推理时间，我在代码中做错了什么？

在这里，我正在将 Tensorflow 图转换为 TensorRT 图并保存这个新的 TRT 模型：

在另一个脚本中，我再次加载这个 TRT 模型并用它进行语义分割预测，但它慢了大约 7 到 8 倍！这是第二个脚本：

任何想法我应该如何以加快推理的方式正确执行转换？

我正在尝试像您的实验一样训练我自己的数据集（2 类包括背景），但我得到空白输出标签图像是具有 2 种颜色的 PNG 格式图像（0 用于背景，1 用于前景）

！https://user-images.githubusercontent.com/23016323/52344967-fb472600-2a13-11e9-8841-0d0c5c7dde72.png

这些是我尝试过的配置和我使用的示例标签图像

我期望输出为分段但得到空白图像

我正在通过在三个类中制作自定义数据集来训练Deeplab v3，包括背景

然后，我的班级是背景，熊猫，瓶子，有1949张图片。

我正在使用moblienetv2模型

和segmentation_dataset.py已修改如下。

train.py已修改如下。

train_utils.py没有被修改。

我得到了一些结果，但不是完美的。

例如，熊猫和瓶子的面具颜色相同或不同

我想要的结果是红色的熊猫和绿色的瓶子

所以，我判断重量有问题。

根据其他人的问题，train_utils.py配置如下

我在这里有个问题。

重量的标准是什么？

我的数据集包括以下内容。

在此处输入图像描述

它是自动生成的，所以我不确切知道哪个更多，但数量差不多。

还有一件事，我正在使用 Pascal 的颜色映射类型。

这是第一个黑色背景和第二个红色第三个绿色。

我想准确地将熊猫指定为红色，将瓶子指定为绿色。我应该怎么办？

我首先解释我的任务：我有来自两条不同绳索的近 3000 张图像。它们包含绳索 1、绳索 2 和背景。我的标签/蒙版是图像，例如像素值 0 代表背景，1 代表第一根绳索，2 代表第二根绳索。您可以在下面的图片 1 和 2 中看到输入图片和基本事实/标签。请注意，我的基本事实/标签只有 3 个值：0、1 和 2。我的输入图片是灰色的，但对于 DeepLab，我将其转换为 RGB 图片，因为 DeepLab 是在 RGB 图片上进行训练的。但是我转换后的图片仍然不包含颜色。

这项任务的想法是神经网络应该从绳索中学习结构，因此即使有绳结它也可以正确标记绳索。因此颜色信息并不重要，因为我的绳索有不同的颜色，所以很容易使用 KMeans 来创建基本事实/标签。

对于这个任务，我在 Keras 中选择了一个名为 DeepLab V3+ 的语义分割网络，以 TensorFlow 作为后端。我想用我的近 3000 张图像训练 NN。所有图像的大小都在 100MB 以下，它们是 300x200 像素。也许 DeepLab 不是我任务的最佳选择，因为我的图片不包含颜色信息，而且我的图片尺寸非常小（300x200），但到目前为止我还没有为我的任务找到更好的语义分割 NN。

从 Keras 网站我知道如何使用 flow_from_directory 加载数据以及如何使用 fit_generator 方法。我不知道我的代码是否逻辑正确...

以下是链接：

https://keras.io/preprocessing/image/

https://keras.io/models/model/

https://github.com/bonlime/keras-deeplab-v3-plus

我的第一个问题是：

通过我的实现，我的显卡几乎使用了所有内存（11GB）。我不知道为什么。有没有可能，DeepLab 的权重有那么大？我的 Batchsize 默认为 32，我所有的近 300 张图像都在 100MB 以下。我已经使用了 config.gpu_options.allow_growth = True 代码，请参阅下面的代码。

一个普遍的问题：

有人知道我的任务有一个好的语义分割神经网络吗？我不需要接受彩色图像训练的 NN。但我也不需要 NN，它是用二进制地面实况图片训练的......我用 DeepLab 测试了我的原始彩色图像（图 3），但我得到的结果标签并不好......

到目前为止，这是我的代码：

这是我测试 DeepLab 的代码（来自 Github）：

我试图理解空洞卷积。我已经熟悉通过用零填充间隙来增加内核的大小。它有助于覆盖更大的区域并更好地了解更大的物体。但是请有人能解释一下扩张卷积层如何保持感受野的原始分辨率。它用于deeplabV3+结构中，atrous rate从2到16。如何在没有零填充的情况下使用具有明显更大内核的扩张卷积并且输出大小将保持一致。

deeplabV3+ 结构：

我很困惑，因为当我在这里查看这些解释时：

空洞卷积层的输出尺寸（3x3）更小？

非常感谢你的帮助！

卢卡斯

我正在关注 Beeren Sahu 在 Tensorflow 中使用 DeepLab 的指南：https ://beerensahu.wordpress.com/2018/04/17/guide-for-using-deeplab-in-tensorflow/

我正在尝试使用 DeepLab 模型在 TensorFlow 中进行语义分割。我在这里下载了 DeepLab 代码：https ://github.com/tensorflow/models

运行后：

我收到以下错误：

基本上抱怨model_test.py中的第20行：

我知道这是一个“deeplab”依赖错误，但我不知道如何解决它。正如 Sahu 的教程所推荐的，我添加了以下两个库：

使用这两个导出命令，我仍然得到相同的结果。

我在 Github 上找到了其他有类似问题的人，但他们还没有找到解决方案：1-- https://github.com/tensorflow/models/issues/5214 2-- https://github.com/张量流/模型/问题/4364

如果您没有解决方案，但可以推荐有关使用 Google 开源 DeepLab-v3 进行语义图像分割的有用教程，请分享！