问题标签 [deeplab]

我一直在尝试从https://github.com/tensorflow/models/blob/master/research/deeplab/g3doc/pascal.md训练我自己的 deeplab 模型。

我在 Google Colab 上运行一切。

我已经能够很好地训练模型：

并很好地创建可视化：

但是运行 export_model.py 不起作用。我认为这可能是我训练的模型的问题，所以我尝试导出我正在训练的初始检查点 - 它也不起作用。

运行 export_model.py 的完整输出：

我知道类似的 GitHub 问题（https://github.com/tensorflow/models/issues/6212和https://github.com/tensorflow/models/issues/3992），但它看起来不像任何得到解决。我还尝试在 deeplab 中的 export_model.py 代码中四处寻找，但我对 TF 代码了解得不够多，不知道在哪里看。

我下载了使用预训练模型的 DeepLabv3 推理的 python3 示例。在我使用的 CPU 上，实际推理的运行时间约为 19 秒。TensorFlow 是使用 pip 安装的：

pip install intel-tensorflow

这是来自 colab Jupyter 笔记本的代码：

带输出：

我试图用 Java 重写它。我通过克隆https://github.com/tensorflow/tensorflow标签v2.1.0和运行从源代码编译了 tensorflow

下面是对应的Java代码：

运行以下命令：

产生以下输出：

除了错误本身，运行时间是 3912 秒......

我在我自己的数据集上训练了 DeepLab，initialize_last_layer并且last_layers contain_logits只使用了两者False。我只有 2 类背景和标签。我尝试使用--num_classes=2但3没有任何效果。我的ignore_label 是255，而我的背景是(0,0,0,255)，标签是(1,1,1,255)。我也给了label_weights 1:20但没用。我看到的只是segmented_results文件夹中的黑色图像。有什么解决办法吗？

我正在尝试安装 deeplabcut。我正在遵循指示。

但是，当我尝试这样做时，“conda env create -f DLC-CPU.yaml”。它在下面发生一些错误。有没有人知道如何修复？

我正在尝试使用 DeepLabV3 在 Coral 上进行图像分割和对象检测/分类。

我能够在珊瑚上使用 DeepLabV3 成功运行 semantic_segmentation.py 示例，但这仅显示了一个对象被分割的图像。

我看到它为颜色分配了标签 - 我如何将我根据模型的标签信息制作的 labels.txt 文件与这些颜色相关联？（我怎么知道哪个颜色对应哪个标签）。

当我尝试运行引擎 = DetectionEngine(args.model)

使用 deeplab 模型，我得到了错误

ValueError: 检测模型应该有 4 个输出张量！这个模型有 1 个。

我想这种方式是错误的方法吗？

谢谢！

我一直在按照https://github.com/tensorflow/models/blob/394baa9f21424d3522ccfbdcee8acd3840891ff6/research/deeplab/g3doc/quantize.md中的步骤来量化 USB Coral TPU 的 DeeplabV3 MobileNetV2 模型，但我无法让它工作.

即使我从底部提供的模型（不是 8_bits，原始模型）开始，我也无法让它运行。而且我什至对两种模型都有不同的问题。

对于 deeplabv3_mnv2_pascal_train_aug：
-deeplab/train.py量化脚本成功运行。
-deeplab/export_model.py脚本步骤有效。
-tflite_convert作品也是。
- EdgeTPU 编译器得到神秘的错误信息：Internal compiler error. Aborting!

对于 deeplabv3_mnv2_dm05_pascal_trainaug： -deeplab/train.py量化运行的脚本得到： ValueError: Total size of new array must be unchanged for MobilenetV2/Conv/weights lh_shape: [(3, 3, 3, 16)], rh_shape: [(3, 3, 3, 32)] 我尝试了这个解决方案，但没有成功。

• 直接使用 .pb 文件，deeplab/train.py带有量化意识的训练会因 python 崩溃而失败。

• 在 python 中进行后量化直接有效。

• edgetpu_compiler 工作。
• 但是一旦在 TPU 上运行，我们得到 0.87 TPS，很可能是因为 edgetpu-converter 无法将所有转换为 edgtpu。

任何让它工作的指导都会很棒。我也对不遵循 tensorflow 指南的解决方案持开放态度。

我尝试在 TensorFlow 模型园中的 deeplab 模型上训练我自己的数据集，随着时间的推移，我可以得到一个减少的损失结果，我使用官方 repo 提供的预训练模型。

但是当我尝试查看最新的检查点或尝试将模型冻结为 .pb 并进行推理时，除了黑色图像之外什么都没有（我用 NumPy 检查这些图像，所有像素都是 0）。

我的训练脚本是这样的：

以前有没有人发生过？

我正在检查使用预先训练的 deeplab xception65_coco_voc_trainval模型运行图像分割的选项。

冻结模型大小约为 161MB，将其转换为 tflite 后大小约为 160MB，在我的 PC cpu 上运行此模型需要约 25 秒。

这是“预期的”还是我可以做得更好？

到 tflite 的转换如下：

谢谢！

我想问一下关于使用mobilenetv2输出全黑（0）数组的Deeplab的问题，并确认它是全零而不是0~1。我看到很多人有同样的问题，但我还没有找到解决方案。1.我的分割数据是一维数组（去除了颜色图），所以我认为这应该不是问题，标签在0~1之间，根据类。2.我已经设置了正确的类数，train，val，trainval数据数。3.我可以毫无问题地训练模型，并且损失值很好。我的火车配置：

可见配置：

任何人都可以帮助我，或者请告诉我您的成功设置，就像您的配置或您的数据集一样。

tensorflow/models/research/deeplab 下的 deeplab 代码似乎使用的是旧版本的 tensorflow。随着新版本的 tensorflow 的推出，是否有计划迁移现有的 repo 以使用 tf2，特别是用于模型定义的 tf2.keras api？