前言
本文先介紹VOC2012數據集，然後再基於GitHub上的一個開源項目對VOC2012數據集訓練出一個FCN算法模型。
VOC2012數據集
VOC2012基本數據集分爲兩個部分：Train/Validation和Test。 前者大概1.9GB，後者大約1.8GB。大家可以自行去網上搜索並下載。我們這裏主要講第一個部分，其對應的包爲：VOCtrainval_11-May-2012.tar。
解壓縮該包後，其子目錄如下所示：
Annotations是目標檢測的標註xml文件，ImageSets裏面有目標檢測和分割分別對應的train.txt, trainval以及val.txt， 因爲另外一個目錄JPEGImages裏面的樣本圖片很多，大約17128張，但實際上訓練和驗證的樣本圖片可以通過train.txt（1464張）, val.txt（1449）來指定。SegmentationClass和SegmentationObject分別是語義分割和實例分割的標註結果圖片，後綴名是png。
FCN模型訓練
我在github上找了這麼一個開源項目 https://github.com/overfitover/fcn_pytorch 來使用pytorch框架對VOC2012數據集進行FCN算法模型的訓練和驗證。選擇它的理由是，訓練，驗證以及推理測試命令都非常簡單，如下所示。
當然，具體運行時會遇到一些問題，這裏列幾點如下：
訓練時主要注意三個問題：
1）訓練樣本圖片(VOCdevkit)所在的路徑要在train.py中相應修改。
2）要事先下載預訓練模型：https://download.pytorch.org/models/vgg16-397923af.pth
3）"loss.data[0]"要改成 "loss.item()"，前者是torch0.4以前的語法，後者是0.4以後的規範。而本人安裝的torch版本是1.1.0。
推理並顯示結果時，即 python3 predict.py，會遇到下面問題
1）首先也是VOC數據集樣本圖片所在路徑的修改。
2）要將volatile的用法去掉，這個也是torch版本升級的緣故， 即將 “img = Variable(img.unsqueeze(0), volatile=True)” 修改成
"with torch.no_grad()"。