Windows:如何利用PaddleSeg做一个完整的项目①

原创
2020/12/09 18:33
阅读数 227

Windows:如何利用PaddleSeg做一个完整的项目①

PaddleSeg简介

  PaddleSeg是基于PaddlePaddle开发的端到端图像分割开发套件,覆盖了DeepLabv3+, U-Net, ICNet, PSPNet, HRNet, Fast-SCNN等主流分割网络。通过模块化的设计,以配置化方式驱动模型组合,帮助开发者更便捷地完成从训练到部署的全流程图像分割应用。


  文章将以一个例子为说明,来谈如何利用PaddleSeg完成一个项目。

项目目录

  1、环境部署


  2、数据集准备①

1、环境部署

1.1、安装paddle

  ①百度搜索paddle,并点击进入paddle官网。


  


  ②按照自己的电脑的配置去选择。


  


  ③网页会自动根据您的选择去显示相应的安装的命令,将安装的命令复制到cmd中,摁下回车,进行安装。


  


  等待安装,当出现Successfully…时,即安装成功。

1.2、下载PaddleSeg

  本文提供三种下载方案。

1.2.1、从Gitee官网直接下载(国内,较快)

  官网地址:链接

  

1.2.2、从GitHub官网直接下载(较慢)

  官网地址:链接

  

1.2.3、用git clone下载(较慢)

  使用“git clone https://github.com/PaddlePaddle/PaddleSeg.git”下载

1.3、安装其它依赖库

  将1.2中下载下来的.zip解压得到下面这个文件夹。


  


  依赖库文档在这个文件夹的requirements.txt中给出,可使用pip install -r requirements.txt直接安装。


  


  等待安装,当出现Successfully…时,即安装成功。

  等待安装,当出现Successfully…时,即安装成功。



  

2、数据集准备①

2.1、标注数据说明

  PaddleSeg支持灰度图标注。


  PaddleSeg也支持伪彩色图作为标注图片,在原来的单通道图片基础上,注入调色板,即在基本不增加图片大小的基础上,却可以显示出彩色的效果。


  灰度图与伪彩色图对比:


  

2.2、标注工具的准备

  这里我们介绍一种标注工具:LabelMe。


  我们在采集完用于训练、评估和预测的图片之后(即未经任何处理的原图片),需使用数据标注工具LabelMe完成数据标注,才能丢进网络中进行训练。

2.2.1、LabelMe安装

  在cmd中输入pip install LabelMe开始安装。


  


  等待安装,当出现Successfully…时,即安装成功。


  

2.2.2、启动LabelMe

  在cmd输入LabelMe即可启动。


  

2.3、使用LabelMe进行标注

  ①选择原图片所在的文件夹。


  


  


  


  ②点击Create Polygons,沿着目标的边缘画多边形,完成后输入目标的类别。在标注过程中,如果某个点画错了,可以按撤销快捷键可撤销该点。Windows下的撤销快捷键为ctrl+Z,标注完后在方框里输入该类型对应的label。


  


  ③当发现标注的类别错误时,可以点击Edit Polygons,然后按照该顺序依次点击,可以修改类别。(如该例中将该类别从optic_disc改成了kkk)


  


  ④图片中所有目标的标注都完成后,点击Save保存json文件,请将json文件和图片放在同一个文件夹里,点击Next Image标注下一张图片。


  

2.4、一键生成数据集

  ①官方代码PaddleSeg文件夹下的./pdseg/tools中提供的数据转换脚本labelme2seg.py将上述标注工具产出的数据格式转换为模型训练时所需的数据格式。


  


  ②在cmd中输入python labelme2seg.py <标注数据所在文件夹>即可一键转换。


  


  ③转换结果。


  

2.5、可能的一些error

  ①error1:

  


  原因:没有将json文件和图片放在同一个文件夹里(如图所示检查)。


  

本文同步分享在 博客“叶月火狐”(CSDN)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部