DeeplabV3+制作自己的VOC數據集使用指南

目錄

• 在自己電腦實現Deeplabv3+
  • 完成deeplabv3+的訓練
  • 如果要做一個自己的VOC數據集
  • 問題
    • TensorFlow Allocation of 1511424000 exceeds 10% of system memory
    • tf:failed to alloc 268435456 bytes on host: CUDA_ERROR_OUT_OF_MEMORY

在自己電腦實現Deeplabv3+

首先要清楚圖像分割和語義分割的不同

圖像分割只需要根據某些規則分成若干個特定的區域，畫出那個框來就OK了

但是語義分割的話，則還需要把實例（即人的輪廓）都分割出來，而且還要標識這些是不同的人

現在語義分割可以做到實例分割和全景分割

完成deeplabv3+的訓練

1. https://blog.csdn.net/malvas/article/details/90776327
2. https://blog.csdn.net/malvas/article/details/88896283

如果要做一個自己的VOC數據集

1. https://blog.csdn.net/zhangjunbob/article/details/52769381

問題

TensorFlow Allocation of 1511424000 exceeds 10% of system memory

https://blog.csdn.net/fuzzy__H/article/details/83757143

https://blog.csdn.net/qq_29015763/article/details/88783366

tf:failed to alloc 268435456 bytes on host: CUDA_ERROR_OUT_OF_MEMORY

https://blog.csdn.net/qq_26669719/article/details/88597682

## 忽略這些我做的筆記
添加池化層，會減少特征圖像尺寸的損失

output_stride = 256/16

rate補0的個數不一樣，空洞也不一樣 

拼接就是1*1的卷積

兩步結合了

Xception-JFT

自己出問題就看看別人標注的文件

validation驗證集

367，233，101

灰度圖，不同的灰度對應不同的物體

標簽就是ground——trouth掩模

預訓練模型是什么？？？為什么要借助別人的

平衡問題，出現的多，出現的少

可以一定的修正，沒有考慮這個問題

train_step = 1000幾百先隨便減少一下

crop_size =  部分的裁剪

480*360 --- 裁剪成很多321.321

batch_size = 4 降下來gpu降下來

480*360的話513\*513是不太行的

寬是480，360，要反過來

訓練次數加大，更精細

數據集比較少，圖片比較少

幾百次是全黑的

用smooth的區別