项目主要基于Python和PyTorch深度学习框架完成,所有依赖包罗列在项目文件requirements.txt
中,可以通过如下命令安装
pip install -r requirements.txt
─data
│ ├─figure_ground
│ └─rgb
─datatest
│ ├─figure_ground
│ └─rgb
训练数据默认放在data
文件夹下,其中figure_ground
子文件夹为标签图像,rgb
为用于输入的原始三通道图像;测试数据默认存放在datatest
文件夹下,可以在训练脚本文件和测试脚本文件最开始的超参数部分修改数据集路径位置
train.py
- 用于进行模型的训练,训练超参数在文件最开始部分修改
- 会在
./ckpt
文件夹下输出训练模型
test.py
- 用于进行模型的测试,训练超参数在文件最开始部分修改
- 指标会在运行终端中输出,结果图像会保存至
./result
文件夹下
analyze.py
get_miou
函数用于计算mIoU指标boundary_iou
函数用于计算Boundary IoU指标
data.py
:完成数据的读取、预处理操作FPN.py
:定义FPN特征金字塔模型loss.py
:按照实验报告3.2节的描述计算损失函数,具体实现函数为seg_loss
unet.py
:定义U-net模型
- 训练
python train.py
- 测试
python test.py
详细的结果指标以及分析可见实验报告,这里列出所采用模型的mIoU和Boundary IoU
mIoU | Boundary IoU |
---|---|