DeeplabV3+训练数据集流程（学习记录）

 我所学习的内容来自于b站up主Bubbliiiing的课程，感兴趣也可以去看看

目录

一、源码准备

二、训练步骤

---

我训练的配置环境

win11+cuda11.3+pytorch1.10.2+python3.6.13

一、源码准备

1.源码下载

可以直接到up主对应的github上进行下载，

GitHub - bubbliiiing/deeplabv3-plus-pytorch: 这是一个deeplabv3-plus-pytorch的源码，可以用于训练自己的模型。

他的代码里面进行了中文说明，对小白很友好

2.训练所需要的模型下载

链接: 百度网盘 请输入提取码
提取码: 6n2c

下载完之后放至源码根目录中model_data文件夹，没有就新建一个

​

 

二、训练步骤

1.准备数据集

标注教程可看我上一篇文章分割数据集准备——labelme使用教程_道人兄的博客-CSDN博客

2.制作VOC数据集

        ① 完成步骤1之后，训练前将图片文件和.json放在dataste/before/文件夹下，然后修改json_to_dataset.py文件中的classes，保留background，添加自己的类型

​

 之后便可以在JPEGImages中看到自己的图片，SegmentationClass看到制作好后的标注文件。

         ②将①图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中，将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的SegmentationClass中。运行根目录下的voc_annotation.py，从而生成train.txt和val.txt

​

3.修改参数

①train.py里的num_classes ，num_classes用于指向检测类别的个数+1！训练自己的数据集必须要修改！

 ②运行根目录下的train.py文件就可以开始训练啦~

 

 有什么疑问或者建议评论区留言~