其他分享
首页 > 其他分享> > 训练Cityscapes

训练Cityscapes

作者:互联网

具体每个文件夹有何用处可参考下面这个博客中所述:
博客链接:https://blog.csdn.net/nefetaria/article/details/105728008

https://github.com/wasidennis/AdaptSegNet/tree/master/dataset

在阅读之前,希望你已经看过了这篇帖子:https://blog.csdn.net/zz2230633069/article/details/84591532,因为对于数据集的文件组织结构下面将不会涉及。然后希望你也能知道除了官网(https://www.cityscapes-dataset.com/)下载的数据集外,还有一个Github工具包(https://github.com/mcordts/cityscapesScripts)最好也下载下来,这其中包含了preparation文件夹下可以帮助你生成*_labelTrainId.png的19类别标注的脚本。

下面是正文:

  1. 数据集没有测试集,只有验证集。想得到测试结果需要提交模型在线测试。

  2. 这个数据集直接下载下来的话,输入就是leftImage8bit里面的文件,然后需要注意的是其对应的标注是有几类的,包括彩色的*_color.png和按照类别标注的*_labelIds.png等等。这个*_labelIds.png实际上是完整的34类标注,像素按照类别被标成-133中的数字(不过我用opencv读进来发现标注是从133的,-1当然没有但0不知道为何也消失了,这一问题在读取labelTrainId时没有出现),便于训练时直接使用交叉熵损失函数。在那个github工具包中有提供将1-34对应转换成*_color.png的脚本,可在可视化时使用。

  3. 在github工具包的helper/labels.py下面有类别和id信息的一一对应,可以看到很多论文中使用的其实是19类的trainId,所以我们还需要通过工具包中preparation文件夹中的脚本额外生成*_labelTrainIds.png

标签:github,训练,Cityscapes,工具包,https,com,png,标注
来源: https://blog.csdn.net/yuanxue18/article/details/113934718