轉載自:http://blog.csdn.net/zoro_lov3/article/details/74550735
**
FCN製作自己的數據集、訓練和測試全流程
**
花了兩三週的時間,在導師的催促下,把FCN的全部流程走了一遍,期間走了很多彎路,現在記錄一下。系統環境:ubuntu 16.04LTS
一、數據集的製作
注:我的數據集是仿照VOC數據集進行製作的
1.resize 數據集
我的GPU顯存4G,跑過大的圖片帶不動,需要resize圖片大小,放幾個修改圖片大小的程序。
(1)單張圖片resize
# coding = utf-8
import Image
def convert(width,height):
im = Image.open("C:\\xxx\\test.jpg")
out = im.resize((width, height),Image.ANTIALIAS)
out.save("C:\\xxx\\test.jpg")
if __name__ == '__main__':
convert(256,256)
(2)resize整個文件夾裏的圖片
# coding = utf-8
import Image
import os
def convert(dir,width,height):
file_list = os.listdir(dir)
print(file_list)
for filename in file_list:
path = ''
path = dir+filename
im = Image.open(path)
out = im.resize((256,256),Image.ANTIALIAS)
print "%s has been resized!"%filename
out.save(path)
if __name__ == '__main__':
dir = raw_input('please input the operate dir:')
convert(dir,256,256)
(3)按比例resize
# coding = utf-8
import Image
import os
def convert(dir,width,height):
file_list = os.listdir(dir)
print(file_list)
for filename in file_list:
path = ''
path = dir+filename
im = Image.open(path)
out = im.resize((256,256),Image.ANTIALIAS)
print "%s has been resized!"%filename
out.save(path)
if __name__ == '__main__':
dir = raw_input('please input the operate dir:')
convert(dir,256,256)
2.製作索引圖
(1)下載labelme
下載地址:https://github.com/wkentaro/labelme
下載後按提示打開軟件,進行標註,保存會生成後綴爲json的文件。
(2)生成dataset文件夾
在終端輸入指令:
labelme_json_to_dataset _static/apc2016_obj3.json //這裏的文件名根據自己的實際情況更改
(3)爲文件夾下的label.png着色
首先需要對照VOC分割的顏色進行着色,一定要保證顏色的準確性。Matlab代碼:
function cmap = labelcolormap(N)
if nargin==0
N=256
end
cmap = zeros(N,3);
for i=1:N
id = i-1; r=0;g=0;b=0;
for j=0:7
r = bitor(r, bitshift(bitget(id,1),7 - j));
g = bitor(g, bitshift(bitget(id,2),7 - j));
b = bitor(b, bitshift(bitget(id,3),7 - j));
id = bitshift(id,-3);
end
cmap(i,1)=r; cmap(i,2)=g; cmap(i,3)=b;
end
cmap = cmap / 255;
對應的VOC數據集中的顏色類別:
類別名稱 R G B
background 0 0 0 背景
aeroplane 128 0 0 飛機
bicycle 0 128 0
bird 128 128 0
boat 0 0 128
bottle 128 0 128 瓶子
bus 0 128 128 大巴
car 128 128 128
cat 64 0 0 貓
chair 192 0 0
cow 64 128 0
diningtable 192 128 0 餐桌
dog 64 0 128
horse 192 0 128
motorbike 64 128 128
person 192 128 128
pottedplant 0 64 0 盆栽
sheep 128 64 0
sofa 0 192 0
train 128 192 0
tvmonitor 0 64 128 顯示器
然後使用Python的skimage庫進行顏色填充,具體函數是skimage.color.label2rgb(),代碼較長,有需要可私信。
————————-2017年9月26日 新增————————-
太多人和我私信要代碼,前一段時間很忙都沒有及時回覆大家,所以這裏放個鏈接,需要自取。
https://github.com/hitzoro/FCN-ColorLabel
3.將填充後的label.png轉爲灰度圖
如果不轉,在訓練的時候回報錯,轉換matlab代碼如下:
dirs=dir('F:/xxx/*.png');
for n=1:numel(dirs)
strname=strcat('F:/xxx/',dirs(n).name);
img=imread(strname);
[x,map]=rgb2ind(img,256);
newname=strcat('F:/xxx/',dirs(n).name);
imwrite(x,map,newname,'png');
end
轉化後,在python中檢查一下圖片的格式:
In [23]: img = PIL.Image.open('000001_json/label.png')
In [24]: np.unique(img)
Out[24]: array([0, 1, 2], dtype=uint8)
如果輸出一致,則索引圖製作正確。
二、FCN訓練自己的數據集
1.前期準備
默認已經安裝好顯卡驅動,cuda,cudnn,opencv。
最新版caffe下載: https://github.com/BVLC/caffe
fcn源代碼下載:https://github.com/shelhamer/fcn.berkeleyvision.org
caffe的配置安裝可以參考我的另一篇博客:http://blog.csdn.net/zoro_lov3/article/details/60581174
2.數據集準備
這裏我們需要兩個數據集包,benchmark和VOC2012,進入fcn/data,新建sbdd文件夾(如果沒有),將benchmark解壓到sbdd中,將VOC2012解壓到data下的pascal文件夾下。
這兩個在網上都可以找得到。
這兩個數據集有什麼用呢?在FCN中VOC數據集的訓練需要他倆,benchmark中的dataset用來存放訓練時的數據,VOC2012存放測試時的數據。
- 先製作訓練時的數據
進入dataset中的img文件夾,這裏存放訓練用的原圖,把原來的原圖替換爲你自己的原圖。接着修改train.txt ,寫入你訓練圖片的名字,注意不要加後綴。如下即可:
000001
000003
000005
000007
000009
000011
000013
000015
000017
000019
進入cls文件夾,這裏原本需要存放mat格式的文件,但是製作mat文件有點麻煩,參考了網上的資料,修改代碼,使得這裏也可以直接存放索引圖。
方式如下:
- 修改fcn目錄下的voc_layers.py
註釋掉原本的load_label ,修改爲新的
# def load_label(self, idx):
# """
# Load label image as 1 x height x width integer array of label indices.
# The leading singleton dimension is required by the loss.
# """
# import scipy.io
# mat = scipy.io.loadmat('{}/cls/{}.mat'.format(self.sbdd_dir, idx))
# label = mat['GTcls'][0]['Segmentation'][0].astype(np.uint8)
# label = label[np.newaxis, ...]
# return label
def load_label(self, idx):
"""
Load label image as 1 x height x width integer array of label indices.
The leading singleton dimension is required by the loss.
"""
im = Image.open('{}/cls/{}.png'.format(self.sbdd_dir, idx))
label = np.array(im, dtype=np.uint8)
label = label[np.newaxis, ...]
return label
- 製作測試集數據
測試集的製作簡單一寫,進入VOC2012,進入JPEGImages文件夾,裏面存放測試用的原圖,然後進入SegmentationClass,裏面存放測試用的索引圖,最後進入ImageSets/Segmentation,有一個名爲seg11valid.txt的文件,它和train.txt的性質一樣,存放測試用的圖片名。
到此,數據集就準備完成了。
3.修改網絡參數
下載VGG16的預訓練模型並放在FCN源碼文件夾中的ilsvrc-nets文件夾下
https://pan.baidu.com/s/1qYJeFfQ
爲了避免運行程序時候出現no module named caffe
在代碼中包含import caffe的py文件(solve.py)的第一行加入
import sys
sys.path.append('/home/hitoia/caffe/python')
其中,/home/hitoia/caffe/python爲你下載的caffe源碼中python文件夾的路徑
cd進入fcn源碼路徑
以個人路徑爲例:/home/hitoia/fcn.berkeleyvision.org/
將其中所有的py文件,例如surgery.py等等,全部複製到voc-fcn32s文件夾中
- solver.prototxt文件修改
進入voc-fcn32s文件夾 打開solver.prototxt
其中snapshot:10000 表示訓練10000次保存一次模型
snapshot_prefix:”/home/hitoia/fcn.berkeleyvision.org/voc-fcn32s/snapshot/train”
表示訓練得到的模型,也就是model存放的路徑
在此,我附上個人的solver.prototxt供大家參考
train_net: "/home/hitoia/fcn.berkeleyvision.org/voc-fcn32s/train.prototxt"
test_net: "/home/hitoia/fcn.berkeleyvision.org/voc-fcn32s/val.prototxt"
test_iter: 736
# make test net, but don't invoke it from the solver itself
test_interval: 999999999
display: 20
average_loss: 20
lr_policy: "fixed"
# lr for unnormalized softmax
base_lr: 1e-10
# high momentum
momentum: 0.99
# no gradient accumulation
iter_size: 1
max_iter: 100000
weight_decay: 0.0005
snapshot: 4000
snapshot_prefix: "/home/hitoia/fcn.berkeleyvision.org/voc-fcn32s/snapshot/train"
test_initialization: false
- solve.py的修改
在這裏鄭重聲明一下:如果訓練fcn32s的網絡模型,一定要修改solve.py利用transplant的方式獲取vgg16的網絡權重。
具體操作爲:
import sys
sys.path.append('/home/hitoia/caffe/python')
import caffe
import surgery, score
import numpy as np
import os
import sys
try:
import setproctitle
setproctitle.setproctitle(os.path.basename(os.getcwd()))
except:
pass
vgg_weights = '../ilsvrc-nets/vgg16-fcn.caffemodel'
vgg_proto = '../ilsvrc-nets/VGG_ILSVRC_16_layers_deploy.prototxt'
weights = '../ilsvrc-nets/vgg16-fcn.caffemodel'
#weights = '../ilsvrc-nets/vgg16-fcn.caffemodel'
# init
#caffe.set_device(int(sys.argv[1]))
caffe.set_mode_gpu()
caffe.set_device(0)
#solver = caffe.SGDSolver('solver.prototxt')
#solver.net.copy_from(weights)
solver = caffe.SGDSolver('solver.prototxt')
vgg_net=caffe.Net(vgg_proto,vgg_weights,caffe.TRAIN)
surgery.transplant(solver.net,vgg_net)
del vgg_net
# surgeries
interp_layers = [k for k in solver.net.params.keys() if 'up' in k]
surgery.interp(solver.net, interp_layers)
# scoring
val = np.loadtxt('/home/hitoia/fcn.berkeleyvision.org/data/pascal/VOCdevkit/VOC2012/ImageSets/Segmentation/seg11valid.txt', dtype=str)
for _ in range(25):
solver.step(1000)
score.seg_tests(solver, False, val, layer='score')
關於VGG_ILSVRC_16_layers_deploy.prototxt 可以在http://pan.baidu.com/s/1geLL6Sz下載。
如果訓練fcn16s,則可以直接copy自己的fcn32s的model的權重,不需要transplant,也就是不需要修改solve.py
如果訓練fcn8s,則可以直接copy自己的fcn16s的model的權重,不需要transplant,也就是不需要修改solve.py
只有如此,才能避免loss高居不下的情況
這裏的:
for _ in range(25):
solver.step(1000)
score.seg_tests(solver, False, val, layer='score')
奇怪的現象:修改solver.prototxt中的max_iter: 100000沒有改變最大迭代次數,只有改變這個step裏的數字纔有用,這裏最大迭代次數等於25*1000 = 25000次。
- train.prototxt / val.prototxt 修改
所有num_output 爲21 的地方都修改爲自己分類數 + 1 (加的1是背景),最開始的param_str需要根據自己的情況修改,放一下我自己的
train.prototxt:
param_str: "{\'sbdd_dir\': \'/home/hitoia/fcn.berkeleyvision.org/data/sbdd/benchmark/benchmark_RELEASE/dataset\', \'seed\': 1337, \'split\': \'train\', \'mean\': (104.00699, 116.66877, 122.67892)}"
val.prototxt:
param_str: "{\'voc_dir\': \'/home/hitoia/fcn.berkeleyvision.org/data/pascal/VOCdevkit/VOC2012\', \'seed\': 1337, \'split\': \'seg11valid\', \'mean\': (104.00699, 116.66877, 122.67892)}"
準備完成,在voc-fcn32s路徑下輸入
python solve.py
就可以開始訓練
三、單張測試
在fcn源碼文件夾,找到infer.py。
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
import sys
sys.path.append('/home/hitoia/caffe/python')
import caffe
# load image, switch to BGR, subtract mean, and make dims C x H x W for Caffe
im = Image.open('000030.jpg')
in_ = np.array(im, dtype=np.float32)
in_ = in_[:,:,::-1]
in_ -= np.array((104.00698793,116.66876762,122.67891434))
in_ = in_.transpose((2,0,1))
# load net
#net = caffe.Net('voc-fcn8s/deploy.prototxt', 'voc-fcn8s/fcn8s-heavy-pascal.caffemodel', caffe.TEST)
net = caffe.Net('voc-fcn32s/deploy.prototxt', 'voc-fcn32s/snapshot/train_iter_24000.caffemodel', caffe.TEST)
#net = caffe.Net('voc-fcn8s/deploy.prototxt', 'siftflow-fcn32s/train_iter_100000.caffemodel', caffe.TEST)
# shape for input (data blob is N x C x H x W), set data
net.blobs['data'].reshape(1, *in_.shape)
net.blobs['data'].data[...] = in_
# run net and take argmax for prediction
net.forward()
out = net.blobs['score'].data[0].argmax(axis=0)
#plt.imshow(out,cmap='gray');
plt.imshow(out);
plt.axis('off')
plt.savefig('000030_out32.png')
plt.show()
其中,net = caffe.Net(‘voc-fcn32s/deploy.prototxt’, ‘voc-fcn32s/snapshot/train_iter_24000.caffemodel’, caffe.TEST),其中train_iter_24000.caffemodel’是我訓練後得到的模型。
如果沒有deploy文件,可以參考如下方法:
首先,根據你利用的模型,例如模型是voc-fcn32s的,那麼你就去voc-fcn32s的文件夾,裏面有train.prototxt文件,將文件打開,全選,複製,新建一個名爲deploy.prototxt文件,粘貼進去,
然後ctrl+F 尋找所有名爲loss的layer 只要有loss 無論是loss還是geo_loss 將這個layer統統刪除,這就是此次的deploy.prototxt。
大功告成,至此整個流程全部完成。整個過程心酸不斷,fcn的資料不多,求助了很多人,在此感謝
無奈的小心酸,深度學習思考者
對我的幫助。
數據下載參考地址:
http://blog.csdn.net/weixin_38437404/article/details/78089035?fps=1&locationNum=3 中有benchmark下載地址;
參考博客:
http://blog.csdn.net/wangkun1340378/article/details/70238290
http://blog.csdn.net/u010402786/article/details/72883421
http://blog.csdn.net/supe_king/article/details/55657136
http://blog.csdn.net/a244513086/article/details/72520630