Unet的训练及预测

Unet的文件下载

网盘下载：链接：https://pan.baidu.com/s/1H1Q8QpR0R3pNdJwKxvKD0g
提取码：wn5i

1. 创建数据集

1.安装labelme

Win+R启动cmd，在命令提示符内输入以下命令：

activate pytorch #激活环境
pip install labelme==3.16.7 #安装labelme，尽量安装3.16.7不然运行会出错

2.将要标注的图像放置到下面路径before文件夹中

3.运行labelme进行标注

Win+R启动cmd，在命令提示符内输入以下命令：

labelme

labelme软件就会打开

点击Open Dir，跳转到如下路径，点击选择文件夹即可

键盘：A（上一张图片）、D（下一张图片）

Edit中Create Polygons进行不规则标注，其他详细使用方法请百度查询

每张图片标注成功之后会出现一个对应的.json格式的文件

4.打开json_to_dataset.py

注意：运行  json_to_dataset.py前datasets中before中放的是1.jpg和1.json文件、JPEGImages和SegmentationClass中为空文件

运行  json_to_dataset.py后datasets中before中放的是1.jpg和1.json文件、JPEGImages中会生成原始的.jpg文件、SegmentationClass中会生成.png文件

修改json_to_dataset.py中的classes中的类别（改为要识别3中物体的名称）

运行json_to_dataset.py文件

会在JPEGImages和SegmentationClass中分别生成

5.数据集

将下面两个文件复制粘贴到VOCdevkit路径下

2.划分训练集和数据集

注意：运行voc_annotation.py前此时ImageSets没有文件

运行voc_annotation.py后ImageSets生成四个文件

运行voc_annotation.py

三、训练数据集

打开train.py文件，修改num_classes=分类的个数+1

num_workers工作的线程（可以不修改，内存较小的话修改为2或0）

运行train.py文件开始训练

4. 开始预测

1.将logs中权值文件复制到modal_data下

2. 修改unet.py文件中 为下图所示

3. 打开predict.py文件

mode为读取的是图片，摄像头，或者视频

4.运行predict.py文件

视频资料可参考B站博主：Pytorch 搭建自己的Unet语义分割平台（Bubbliiiing 深度学习 教程）_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1rz4y117rR?p=9