参考文档:
【pytorch】从零开始用语义分割网络(deeplab3+)训练自己的数据集
【pytorch】从零开始用语义分割网络(deeplab3+)训练自己的数据集
【pytorch】从零开始用语义分割网络(deeplab3+)训练自己的数据集
【pytorch】从零开始用语义分割网络(deeplab3+)训练自己的数据集
1. 制作自己数据集(labelme)
使用labelme对自己采集的图像进行标注。
安装和使用过程略。
然后标注的json文件默认保存在图像所在的目录内。标注完成之后一般是这样的:
2. 下载deeplab3+源码包(pytorch)
github地址:
https://github.com/jfzhang95/pytorch-deeplab-xception
下载代码包至自己的指定位置:
3. 将数据集转换为VOC格式
3.1 数据结构介绍
我们首先新建一些列文件夹,文件结构如下:
- ImageSets
- Segmentation
- train.txt
-train.txt
- val.txt
- JPEGImages
- SegmentationClass
ImageSets
目录内单放一个Segmentation
文件夹,然后Segmentation
目录下需要制作3个txt文件:train.txt,train.txt,val.txt 用来表示训练集,验证集,测试集的划分信息。制作方式后面介绍。
JPEGImages
目录内用于存放图像数据集的原图。
SegmentationClass
目录放置的mask图像,mask是原图根据标注信息json文件生成的,生成方式后面介绍,注意mask的图像与原图的名称一一对应。
3.2 生成3个txt文件
txt的格式是每一行一个图像文件名,无后缀,不需要地址。
train,trainval,val自己按照一定比例划分
代码如下:
import os
import numpy as np
root = r"D:\dataset\belt\JPEGImages"
output = r"D:\dataset\belt\ImageSets\Segmentation"
filename = []
#从存放原图的目录中遍历所有图像文件
# dirs = os.listdir(root)
for root, dir, files in os.walk(root):
for file in files:
print(file)
filename.append(file[:-4]) # 去除后缀,存储
#打乱文件名列表
np.random.shuffle(filename)
#划分训练集、测试集,默认比例6:2:2
train = filename[:int(len(filename)*0.6)]
trainval = filename[int(len(filename)*0.6):int(len(filename)*0.8)]
val = filename[int(len(filename)*0.8):]
#分别写入train.txt, test.txt
with open(os.path.join(output,'train.txt'), 'w') as f1, open(os.path.join(output,'trainval.txt'), 'w') as f2,open(os.path.join(output,'val.txt'), 'w') as f3:
for i in train:
f1.write(i + '\n')
for i in trainval:
f2.write(i + '\n')
for i in val:
f3.write(i + '\n')
print('成功!')
3.3 根据json,制作对应的mask图像
我们首先将所有的json文件存放到单独的文件夹,实例中表示为: "D:\\dataset\\json"
制作mask的图像需要用到labelme的源码。
我们首先找到labelme源码的安装位置:
用anaconda安装的话,windows一般是Users\用户名\.conda\envs\环境名\Lib\site-packages\labelme
。
然后找到labelme\cli
的位置,先备份一下原来的json_to_dataset.py文件,然后用下面的代码覆盖掉原来的json_to_dataset.py。
import argparse
import base64
import json
import os
import os.path as osp
import PIL.Image
import yaml
from labelme.logger import logger
from labelme import utils
path = "D:\\dataset\\json"
dirs = os.listdir(path)
def label(json_file, out_dir, label_name_to_value):
# print("json.load(open(json_file))=", json_file)
# json_file = os.path.join(path, json_file)
# print("json.load(open(json_file))=", json_file)
data = json.load(open(json_file))
if data['imageData']:
imageData = data['imageData']
else:
imagePath = os.path.join(os.path.dirname(json_file), data['imagePath'])
with open(imagePath, 'rb') as f:
imageData = f.read()
imageData = base64.b64encode(imageData).decode('utf-8')
img = utils.img_b64_to_arr(imageData)
for shape in sorted(data['shapes'], key=lambda x: x['label']):
label_name = shape['label']
if label_name in label_name_to_value:
label_value = label_name_to_value[label_name]
else:
label_value = len(label_name_to_value)
label_name_to_value[label_name] = label_value
lbl = utils.shapes_to_label(img.shape, data['shapes'], label_name_to_value)
label_names = [None] * (max(label_name_to_value.values()) + 1)
for name, value in label_name_to_value.items():
label_names[value] = name
lbl_viz = utils.draw_label(lbl, img, label_names)
PIL.Image.fromarray(img).save(osp.join(out_dir, 'img.png'))
utils.lblsave(osp.join(out_dir, 'label.png'), lbl)
PIL.Image.fromarray(lbl_viz).save(osp.join(out_dir, 'label_viz.png'))
with open(osp.join(out_dir, 'label_names.txt'), 'w') as f:
for lbl_name in label_names:
f.write(lbl_name + '\n')
logger.warning('info.yaml is being replaced by label_names.txt')
info = dict(label_names=label_names)
with open(osp.join(out_dir, 'info.yaml'), 'w') as f:
yaml.safe_dump(info, f, default_flow_style=False)
logger.info('Saved to: {}'.format(out_dir))
def main():
logger.warning('This script is aimed to demonstrate how to convert the'
'JSON file to a single image dataset, and not to handle'
'multiple JSON files to generate a real-use dataset.')
parser = argparse.ArgumentParser()
parser.add_argument('json_file_dir')
parser.add_argument('-o', '--out', default=None)
args = parser.parse_args()
label_name_to_value = {'_background_': 0}
for json_file in dirs:
# print("json_file=", json_file)
if args.out is None:
json_file = os.path.join(path, json_file)
out_dir = osp.basename(json_file).replace('.', '_')
out_dir = osp.join(osp.dirname(json_file), out_dir)
else:
# out_dir = args.out
json_file = os.path.join(path, json_file)
out_dir = osp.basename(json_file).replace('.', '_')
out_dir = osp.join(osp.dirname(args.out), out_dir)
# print('out_dir=',out_dir)
if not osp.exists(out_dir):
os.mkdir(out_dir)
label(json_file, out_dir, label_name_to_value)
if __name__ == '__main__':
main()
然后在cli
目录输入命令行:
python .\json_to_dataset.py json_file_dir -o D:\dataset\output_mask\
json_file_dir
:必须带的参数
-o
:输出目录
然后输出目录就会增加非常多的文件夹:
每个文件夹下有5个文件,而我们需要将所有的label.png文件放入到VOC格式数据集中的SegmentationClass目录,并且需要改成与原图对应的名称。
类别放在label_names.txt里,默认会有一个_background_
。所以我们正常的语义分割至少要有两类。
抽离label.png
的脚本:
import os
import shutil
inputdir = 'D:\\dataset\\output_mask'
outputdir = 'D:\\dataset\\belt\\SegmentationClass'
for dir in os.listdir(inputdir):
# 设置旧文件名(就是路径+文件名)
oldname = inputdir + os.sep + dir + os.sep + 'label.png' # os.sep添加系统分隔符
print("oldname=",oldname)
png_id = ''
print("dir=",oldname)
# 之前的mask命名都是以xxx_json的目录明明,现在需要把最后的_json部分去除,还原原图的名称
for i in range(len(dir.split('_'))) :
if i == len(dir.split('_'))-1:
continue
else:
# 原图的名称中可有可能包含一个或多个_,除了最后一个_,其余都保留。
if png_id != '':
png_id += '_'
png_id += dir.split('_')[i]
# 设置新文件名
newname = outputdir + os.sep + png_id + '.png'
shutil.copyfile(oldname, newname) # 用os模块中的rename方法对文件改名
print(oldname, '======>', newname)
执行结束后就可以发现SegmentationClass
目录内放入了mask图像。
4. 修改deeplab+源码,增加自己的数据集
4.1 mypath.py 中加入自己数据集的路径
实例中增加的数据集名称为belt
belt下的文件结构就是之前提到的VOC结构:
-belt
- ImageSets
- Segmentation
- train.txt
-train.txt
- val.txt
- JPEGImages
- SegmentationClass
4.2 在dataloaders/datasets目录下添加文件
复制一份pascal.py
文件,并重命名为自己的数据集名称
然后打开自己的数据集py文件,修改文件内的类别数和数据集名称:
4.3 修改dateloaders目录下utils.py
搜素def get_cityscapes_labels()
函数,然后在上方添加自己数据集的函数,例如get_belt_labels()
.
这个函数的主要意思就是给自己每个类设置一个掩膜颜色,有多少个类,就设置多少种颜色。
然后在decode_segmap
函数内添加代码,其中n_classes
是你要分割的类别数
4.4 在dataloaders目录下修改__init__.py
在第一行添加数据集名称,复制’pascal’数据集描述,把名称修改为自己数据集的名字
if args.dataset == 'belt':
train_set = belt.VOCSegmentation(args, split='train')
val_set = belt.VOCSegmentation(args, split='val')
num_class = train_set.NUM_CLASSES
train_loader = DataLoader(train_set, batch_size=args.batch_size, shuffle=True, **kwargs)
val_loader = DataLoader(val_set, batch_size=args.batch_size, shuffle=False, **kwargs)
test_loader = None
return train_loader, val_loader, test_loader, num_class
4.5 在同级目录中修改train.py约185行添加自己数据集的名称(可以设置为默认)
5. 开始训练数据
输入指令:
python train.py --backbone mobilenet --lr 0.007 --workers 1 --epochs 50 --batch-size 8 --gpu-ids 0 --checkname deeplab-mobilenet
模型保存的路径是在代码内是设置的,在saver.py可以看到保存的路径:run/[datasetname]/[checkname]
,在示例中的路径就是:run/belt/deeplab-mobilenet
保存的目录中可能会存在很多experiment_*
的目录,这是每一此训练都会保存在一个experiment_{}的目录内,最新的训练结果保存在最后id的目录上。此外,最优的模型还会保存到run/[datasetname]/[checkname]
中的model_best.pth.tar中。
若是出现报错:
AttributeError: ‘DeepLab’ object has no attribute ‘module’
解决方式:
打开train.py,找到报错的地方 'state_dict': self.model.module.state_dict()
,修改为
`'state_dict': self.model.state_dict()
6. 测试
源码中没有测试代码,需要自己放入一个测试py文件。
修改–in-path为数据集的测试图片,最后的结果保存在–in-path中
#
# demo.py
#
import argparse
import os
import numpy as np
import time
from modeling.deeplab import *
from dataloaders import custom_transforms as tr
from PIL import Image
from torchvision import transforms
from dataloaders.utils import *
from torchvision.utils import make_grid, save_image
def main():
parser = argparse.ArgumentParser(description="PyTorch DeeplabV3Plus Training")
parser.add_argument('--in-path', type=str, default='/root/home/zyx/Seg552_VOC/test',
help='image to test')
# parser.add_argument('--out-path', type=str, required=True, help='mask image to save')
parser.add_argument('--backbone', type=str, default='resnet',
choices=['resnet', 'xception', 'drn', 'mobilenet'],
help='backbone name (default: resnet)')
parser.add_argument('--ckpt', type=str, default='deeplab-resnet.pth',
help='saved model')
parser.add_argument('--out-stride', type=int, default=16,
help='network output stride (default: 8)')
parser.add_argument('--no-cuda', action='store_true', default=False,
help='disables CUDA training')
parser.add_argument('--gpu-ids', type=str, default='0',
help='use which gpu to train, must be a \
comma-separated list of integers only (default=0)')
parser.add_argument('--dataset', type=str, default='belt',
choices=['pascal', 'coco', 'cityscapes','belt'],
help='dataset name (default: pascal)')
parser.add_argument('--crop-size', type=int, default=513,
help='crop image size')
parser.add_argument('--num_classes', type=int, default=2,
help='crop image size')
parser.add_argument('--sync-bn', type=bool, default=None,
help='whether to use sync bn (default: auto)')
parser.add_argument('--freeze-bn', type=bool, default=False,
help='whether to freeze bn parameters (default: False)')
args = parser.parse_args()
args.cuda = not args.no_cuda and torch.cuda.is_available()
if args.cuda:
try:
args.gpu_ids = [int(s) for s in args.gpu_ids.split(',')]
except ValueError:
raise ValueError('Argument --gpu_ids must be a comma-separated list of integers only')
if args.sync_bn is None:
if args.cuda and len(args.gpu_ids) > 1:
args.sync_bn = True
else:
args.sync_bn = False
model_s_time = time.time()
model = DeepLab(num_classes=args.num_classes,
backbone=args.backbone,
output_stride=args.out_stride,
sync_bn=args.sync_bn,
freeze_bn=args.freeze_bn)
model = nn.DataParallel(model)
ckpt = torch.load(args.ckpt, map_location='cpu')
model.load_state_dict(ckpt['state_dict'])
model = model.cuda()
model_u_time = time.time()
model_load_time = model_u_time-model_s_time
print("model load time is {}".format(model_load_time))
composed_transforms = transforms.Compose([
tr.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)),
tr.ToTensor()])
for name in os.listdir(args.in_path):
s_time = time.time()
image = Image.open(args.in_path+"/"+name).convert('RGB')
# image = Image.open(args.in_path).convert('RGB')
target = Image.open(args.in_path+"/"+name).convert('L')
sample = {'image': image, 'label': target}
tensor_in = composed_transforms(sample)['image'].unsqueeze(0)
model.eval()
if args.cuda:
tensor_in = tensor_in.cuda()
with torch.no_grad():
output = model(tensor_in)
grid_image = make_grid(decode_seg_map_sequence(torch.max(output[:3], 1)[1].detach().cpu().numpy()),
3, normalize=False, range=(0, 255))
save_image(grid_image,args.in_path+"/"+"{}_mask.png".format(name[0:-4]))
u_time = time.time()
img_time = u_time-s_time
print("image:{} time: {} ".format(name,img_time))
# save_image(grid_image, args.out_path)
# print("type(grid) is: ", type(grid_image))
# print("grid_image.shape is: ", grid_image.shape)
print("image save in in_path.")
if __name__ == "__main__":
main()
# python demo.py --in-path your_file --out-path your_dst_file
注意点:
参数--dataset
代码中加入自己的类:
parser.add_argument('--dataset', type=str, default='belt',
choices=['pascal', 'coco', 'cityscapes','belt'],
help='dataset name (default: pascal)')
输入测试指令:
python testdemo.py --dataset belt --num_classes 2 --ckpt run/Seg552/deeplab-mobilenet/checkpoint.pth.tar --backbone mobilenet
常见报错:
1. state_dict错误
RuntimeError: Error(s) in loading state_dict for DeepLab: Missing key(s) in state_dict: "
在原版中会出现,在ckpt = torch.load(args.ckpt, map_location='cpu')
之前加入 model = nn.DataParallel(model)
即可。
2. CUDA报错
报错如下:raise AssertionError("Torch not compiled with CUDA enabled") AssertionError: Torch not compiled with CUDA enabled
解决方式:
- 可能是在gpu上训练,用了torch-cpu,检查torch版本。
- 如果版本没问题,注释掉:
model = model.cuda()
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/80786.html