我可以将deeplab调整为Tensorflow中的自定义数据集吗？

Question

我想使用自己的数据集自定义deeplab进行图像分割吗？通过再培训可以做到吗？

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和中dataset的几行segmentation_dataset.py，您可以训练自己的数据集。

• dataset_dir：路径指向您的tfrecord文件夹。

  此文件夹中，你应该train-%05d-of-%05d.tfrecord和val-%05d-of-%05d.tfrecord所创造build_voc2012_data.py或其他脚本的数据集。

  因此，如果要train.tfrecord用于培训，请设置train_split为train；如果要对评估数据进行评估，请设置train_split为val。

• dataset：任何自定义名称，请说“ donkey_monkey”

• 内 segmentation_dataset.py

  DatasetDescriptor为自己的数据集创建：

  _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格式以及训练模型的方法。

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