【語義分割小白教程】手把手教你訓練自己的數據集（基於輕量級的FCN-DenseNet）

0. 任務描述：

正好這幾天有時間，就寫一下一個小白教程，用來教大家如何用一個輕量級的 FCN-DenseNet 訓練自己的數據集，我們以分割魔方爲例：

1. 標註數據：

1.1 Labelme 的安裝：

語義分割標註我們使用 labelme，它是一個圖形界面的圖像標註軟件，是用 PyQt5 編寫的圖形界面。

安裝方式：

pip3 install labelme --user

報錯：

我們換清華源試一下：

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple -U labelme --user --default-time=1000 --user

解決：

1.2 Labelme 的使用：

在終端輸入 labelme：

打開界面如圖：

點擊OpenDir選擇需要標註的圖片的路徑：


點擊標註按鍵開始標註：


閉合標註區域後，填入標籤：

點擊Save保存：


另一張也如法炮製：

最後得到兩個標註的json文件：

1.3 轉換標註格式：

這一步我們需要把 json 文件轉換成 VOC 格式的顏色掩碼圖，像這樣：

我們只需要在終端輸入：

labelme_json_to_dataset <文件名>.json

即：

就可以看到在該目錄下，生成了相應的文件：

對於 1.json 也同樣操作；

最終我們只需要保留兩種標註的掩碼圖（注意需要改成跟原圖相同的圖片名）：

2. 數據的目錄結構：

我們需要安排一下圖片和標註的文件目錄；

首先新建一個 Data 文件夾：

裏面創建 2 個文件夾：

train/images 文件夾放訓練原圖：

train/masks 放訓練標註圖：

同樣那個 val 下面的 images 和 masks 分別放測試原圖和測試標註圖；

3. 下載源碼：

源碼地址（記得給一個Star哦~）：
https://github.com/Sharpiless/FCN-DenseNet

下載完成後解壓：

4. 下載預訓練模型：

預訓練模型地址：
http://download.pytorch.org/models/densenet121-a639ec97.pth

下載完成後放到源碼目錄下：

5. 安裝 pytorch：

Linux 安裝比較容易，這裏就着重講一下怎麼在 Windows 下安裝吧；

（我的是 python3.7，其他的版本同理）

到這個網站：
https://www.lfd.uci.edu/~gohlke/pythonlibs/

找到對應的 torch 版本下載：

下載完成後，在相應目錄下 shift+右鍵 選擇打開 Windows Powershell：

輸入：

pip3 install torch‑1.0.1‑cp37‑cp37m‑win_amd64.whl --user

然後再：

pip3 install torchvision --user

如果還有報錯 ‘No modul named ***’，也是直接用：

pip3 install *** --user

6. 運行訓練：

在編輯器（我用的 VSCode）打開 FCN-DenseNet：

運行 train.py 即可開始訓練：

下面是訓練的參數，都有註釋說明，需要改的話在 default 裏面改就 ok：

訓練時的模型參數保存在這裏：

7. 測試圖片：

運行 test.py 即可：

會在目錄下生成一個 output 文件夾，裏面是測試集的分割結果（這裏是因爲我只有兩張圖片做例子，所以測試集跟訓練集是一樣的）：

大功告成！