pytorch FCN easiest demo
不断更新中~
这个repo是在读论文Fully Convolutional Networks for Semantic Segmentation时的一个pytorch简单复现,数据集很小,是一些随机背景上的一些包的图片(所有数据集大小一共不到80M),如下图
关于此数据集详细信息,见数据集
根据论文实现了FCN32s、FCN16s、FCN8s和FCNs
部分代码参考了这个repo
使用visdom可视化,运行了20个epoch后的可视化如下图:
1.如何运行
1.1 我的运行环境
1.2 具体操作
python -m visdom.server
python train.py
1.3 训练细节
2. 数据集
training data来自这里,ground-truth来自这里。
链接中提供的图片中,部分ground-truth的有误,而且部分有ground-truth的图片没有对应training data的图片,将这些有错误的图片分别剔除,重新编号排序之后剩余533张图片。
之后我随机选取了67张图片旋转180度,一共在training data和ground-truth分别凑够600张图片(0.jpg ~ 599.jpg)。
3. 可视化
train prediction:训练时模型的输出
label:ground-truth
test prediction:预测时模型的输出(每次训练都会预测,但预测数据不参与训练与backprop)
train iter loss:训练时每一批(batch)的loss情况
test iter loss:测试时每一批(batch)的loss情况
4. 包含文件