【语义分割小白教程】手把手教你训练自己的数据集（基于轻量级的FCN-DenseNet）

0. 任务描述：

正好这几天有时间，就写一下一个小白教程，用来教大家如何用一个轻量级的 FCN-DenseNet 训练自己的数据集，我们以分割魔方为例：

1. 标注数据：

1.1 Labelme 的安装：

语义分割标注我们使用 labelme，它是一个图形界面的图像标注软件，是用 PyQt5 编写的图形界面。

安装方式：

pip3 install labelme --user

报错：

我们换清华源试一下：

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple -U labelme --user --default-time=1000 --user

解决：

1.2 Labelme 的使用：

在终端输入 labelme：

打开界面如图：

点击OpenDir选择需要标注的图片的路径：


点击标注按键开始标注：


闭合标注区域后，填入标签：

点击Save保存：


另一张也如法炮制：

最后得到两个标注的json文件：

1.3 转换标注格式：

这一步我们需要把 json 文件转换成 VOC 格式的颜色掩码图，像这样：

我们只需要在终端输入：

labelme_json_to_dataset <文件名>.json

即：

就可以看到在该目录下，生成了相应的文件：

对于 1.json 也同样操作；

最终我们只需要保留两种标注的掩码图（注意需要改成跟原图相同的图片名）：

2. 数据的目录结构：

我们需要安排一下图片和标注的文件目录；

首先新建一个 Data 文件夹：

里面创建 2 个文件夹：

train/images 文件夹放训练原图：

train/masks 放训练标注图：

同样那个 val 下面的 images 和 masks 分别放测试原图和测试标注图；

3. 下载源码：

源码地址（记得给一个Star哦~）：
https://github.com/Sharpiless/FCN-DenseNet

下载完成后解压：

4. 下载预训练模型：

预训练模型地址：
http://download.pytorch.org/models/densenet121-a639ec97.pth

下载完成后放到源码目录下：

5. 安装 pytorch：

Linux 安装比较容易，这里就着重讲一下怎么在 Windows 下安装吧；

（我的是 python3.7，其他的版本同理）

到这个网站：
https://www.lfd.uci.edu/~gohlke/pythonlibs/

找到对应的 torch 版本下载：

下载完成后，在相应目录下 shift+右键 选择打开 Windows Powershell：

输入：

pip3 install torch‑1.0.1‑cp37‑cp37m‑win_amd64.whl --user

然后再：

pip3 install torchvision --user

如果还有报错 ‘No modul named ***’，也是直接用：

pip3 install *** --user

6. 运行训练：

在编辑器（我用的 VSCode）打开 FCN-DenseNet：

运行 train.py 即可开始训练：

下面是训练的参数，都有注释说明，需要改的话在 default 里面改就 ok：

训练时的模型参数保存在这里：

7. 测试图片：

运行 test.py 即可：

会在目录下生成一个 output 文件夹，里面是测试集的分割结果（这里是因为我只有两张图片做例子，所以测试集跟训练集是一样的）：

大功告成！