DeepLabV3+ pytorch

在bubbliiing大佬代码的基础上进行了修改，添加了部分注释。该模型Backbone采用MobileNetv2网络。

图片分割demo

预训练模型

• .pth格式的预训练模型如下。
  

• 链接：https://pan.baidu.com/s/1R6_qYknYQgP_PkK791zr8w
• 提取码：xn68

训练自己的数据集

1. 按照VOC格式准备数据集

标签8位png文件放在VOCdevkit文件夹下的VOC2007文件夹下的SegmentationClass中。 图片JPG文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。

在model_data文件夹下新建name_classes文件夹，第一行为background，其余依次写入需要分割的种类。

2. 划分数据集

运行：

python voc_annotation.py

生成的数据集划分文件存放在VOCdevkit\VOC2007\ImageSets\Segmentation文件夹下。

3. 开始训练

将下载好的.pth格式预训练模型deeplab.pth文件放在model_data文件夹下。修改train.py下的classes_path及model_path指向，运行：

python train.py

测试图片

修改utils/utils_deeplab.py文件中的model_path及classes_path，指向训练好的模型及类别信息。 在predict_images.py文件下输入图片路径，运行：

python predict_images.py

获取模型mIoU

修改calculate_map.py文件中的classes_path,运行：

python get_miou.py

Reference

https://github.com/bubbliiiing/deeplabv3-plus-pytorch