【图像语义分割】DeepLabv3+(Pytorch版) 源码复现—Kitti数据集

自己研究课题涉及到图像语义分割，所以最近复现了Deeplabv3+，在KITTI数据集上进行实验，kitti的语义分割数据集是按照cityspace的数据集制作的所有可以用cityspaces的训练模型来预测kitti的图像。

Github代码地址：https://github.com/VainF/DeepLabV3Plus-Pytorch
原文地址：https://arxiv.org/pdf/1802.02611.pdf

1.环境配置

1.1笔者环境

Ubuntu 18.04
cuda 9.0 cudnn7.6
Anaconda3
gcc 4.8

conda list 如下图：
接下来创建虚拟环境，配置上述环境

1.2 代码环境配置

创建虚拟环境：conda create -n deeplabv3+ python=3.7
启动安装环境：conda/source activate deeplabv3+
安装requirements.txt：pip install -r requirements.txt

requirements.txt如下：

查看是否安装成功：
1、通过conda list
2、代码检测：

import torch
print（torch.__version__)
print(torch.cuda.is_available())

输出pytorch版本号和True，即配置成功
注：其余环境可以在运行程序报错后依次pip安装，cuda无法调用的话，检查Pytorch对应Cuda和cudnn版本

1.3 下载数据集和预训练权重

（1）Kitti数据集下载：
官网主页：http://www.cvlibs.net/datasets/kitti/index.php
Kitti原文（数据集种类介绍）：http://www.cvlibs.net/publications/Geiger2013IJRR.pdf
本文实验数据集网盘链接：raw_data 2011_09_29_drive_0004
提取码：2hy6

（2）预训练权重下载
腾讯微云：https://share.weiyun.com/qqx78Pv5
（本文只用到 best_deeplabv3plus_mobilenet_cityscapes_os16.pth）
下载后，在工程文件夹中新建checkpoints文件夹，将权重放在该文件夹下

2. 预测

2.1 单张图片预测

 1. cd 到工程文件夹下
 2. 终端运行：python predict.py --input xxx.png  --dataset cityscapes --model deeplabv3plus_mobilenet --ckpt checkpoints best_deeplabv3plus_mobilenet_cityscapes_os16.pth --save_val_results_to test_results
 3. xxx.png为单张预测图片的路径
 4. best_deeplabv3plus_mobilenet_cityscapes_os16.pth为预训练权重路径
 5. 预测结果保存在test_results文件夹下

2.2 文件夹下所有图片预测

 1. 与预测单张图片类似，只需将图片路径改为文件夹路径
 2. 终端运行：python predict.py --input xxx（文件夹路径）  --dataset cityscapes --model deeplabv3plus_mobilenet --ckpt checkpoints /best_deeplabv3plus_mobilenet_cityscapes_os16.pth --save_val_results_to test_results

2.3 预测过程展示

3. 结果展示

单张图片预测效果：

预测文件夹下所有图片：

参考致谢：https://blog.csdn.net/dushib/article/details/124192665