用SegNext训练dms数据集(一)

大致流程:

  1. 在mmseg/datasets下对数据集进行初始定义
  2. 在configs/_ base _/datasets下对数据加载进行定义
  3. 在configs/下选择需要的模型参数进行修改
  4. 返回tools/train.py进行训练

数据集官方格式:
用SegNext训练dms数据集(一)_第1张图片

  1. mmseg/datasets下对数据集进行初始定义

用SegNext训练dms数据集(一)_第2张图片

  1. configs/_ _base_ _/datasets下对数据加载进行定义

用SegNext训练dms数据集(一)_第3张图片
用SegNext训练dms数据集(一)_第4张图片

  1. configs/下选择需要的模型参数进行修改
    找了两个模型fcn和danet进行训练

用SegNext训练dms数据集(一)_第5张图片用SegNext训练dms数据集(一)_第6张图片
类别数应该等于 n + 1, 也就是多少类别+背景。46类应该是47

  1. 返回tools/train.py进行训练
python tools/train.py ${配置文件} --work-dir ${YOUR_WORK_DIR}
  1. 训练结果

第2000次迭代:
用SegNext训练dms数据集(一)_第7张图片
第20000次迭代:
在这里插入图片描述
结果预料之中的不好。

  1. After

dms数据集分类问题 【dms数据集有52个类别,但是在6个类别上表现不佳,所以选择了46种材料标签作为基准。【合并类别

先解决数据集问题、再用segnext模型训练【最新的模型?】

你可能感兴趣的:(SegNeXt,mmsegmentation)