Python语义分割与街景识别（4）：程序运行

前言

本文主要用于记录我在使用python做图像识别语义分割训练集的过程，由于在这一过程中踩坑排除BUG过多，因此也希望想做这部分内容的同学们可以少走些弯路。

本文是python语义分割与街景识别第四篇，关于程序的内容，也是差不多最后一部分的内容，后续可能还会更新几个相关后续操作的文档。

一、使用PaddlePaddle框架训练

框架下载地址

https//github.com/PaddlePaddle/PaddleSeg/blob/release/2.4/README_CN.md

笔者的文件夹是PaddleSeg-release-2.8打开如下

（1）configs文件夹下是不同的网络模型配置文件

（2）deploy文件夹下是不同模型部署

二、程序

将dataset文件夹放到paddlepaddle的文件夹下

2.1 配置yml文件

新建一个名为my.yml的文件放在PaddleSeg-release-2.8文件夹下，代码如下

batch_size: 4

iters: 1000

train_dataset:

  type: Dataset

  dataset_root: dataset

  train_path: dataset/train.txt

  num_classes: 30

  transforms:

    - type: Resize

      target_size: [512,512]

    - type: RandomHorizontalFlip

    - type: Normalize

  mode: train

val_dataset:

  type: Dataset

  dataset_root: dataset

  val_path: dataset/val.txt

  num_classes: 30

  transforms:

    - type: Resize

      target_size: [512,512]

    - type: RandomHorizontalFlip

    - type: Normalize

  mode: val

optimizer:

  type: sgd

  momentum: 0.9

  weight_decay: 4.0e-5

lr_scheduler:

  type: PolynomialDecay

  learning_rate: 0.01

  end_lr: 0

  power: 0.9

loss:

  types:

    - type: CrossEntropyLoss

  coef: [1,1,1,1,1]

model:

  type: BiSeNetV2

  pretrained: Null

说明：

（1）batch_size可根据显存大小自行更改 

（2）iters是迭代多少次

（3）train_dataset和val_dataset的路径需要根据实际文件位置修改

（4）model的type这里选择是BisNetV2，可根据需要自行更改其他模型

2.2 运行程序

在PaddleSeg-release-2.8文件夹下按住shift右键打开命令行输入

python ./tools/train.py --config my.yml --do_eval --use_vdl --save_interval 200 --save_dir output

说明：

（1）找到train.py的路径，不同版本不太一样，这里是在tools文件夹下；

（2）--save_interval 200是指每迭代200次保存一次

（3）--save_dir output是运行结果的保存位置，若没有output文件夹手动新建一个

脚本开始运行则表明正常，可以查看最后的准确度指标检测训练程度，一般在60%~70%，加大训练量和迭代数量能大幅提高准确度