PoolNet使用笔记

1 下载code文件

2 下载数据集
.lst是训练集 的img gt的汇总
他的名字是这样: data/DUTS/DUTS-TR/train_pair.lst

3 下载预训练模型，放在下面的文件夹
dataset/pretrained

训练

4 在train.sh中正确的设置路径
--train_root
--train_list

5 demo中ResNet-50是干网 训练初始学习率为5e-5 24epoch
15个epoch之后衰减为10分之一
SOD部分这是在./train.sh中进行设置的

6 边缘训练部分， 亲11个epoch 5e-5的学习率, 在8个epoch之后衰减10倍，每个运行30000个迭代
edge部分是在./jint_train.sh中实现的

7 训练之后模型被存储在result/run-*之中

测试

8 单个测试数据集 *做相应的改变 --sal_mode说明不同的数据集可以在main.py中仔细观察
 

python main.py --mode='test' --model='results/run-*/models/final.pth' --test_fold='results/run-*-sal-e' --sal_mode='e'

运行 测试还是训练 模型路径 选取模型 测试哪个数据集 

9 所有的数据集的测试都可以使用下面公式
2表示2个gpu

./forward.sh 2 main.py results/run-*

10 联合训练,来得到SOD的结果使用这个

./forward.sh 2 joint_main.py results/run-*

11 联合训练的到edge的结果使用这个

./forward_edge.sh 2 joint_main.py results/run-*

所有的结果被存储在
results/run-*-sal-*
文件夹中