• 記錄一下第三次作業 語義分割的做題思路，遇到的問題，以及學到的新知識
• 作業是真的惡心，好惡心
• 5.29日，熬夜，熬到四點，早上八點起來繼續肝·····
• 最終訓練集0.87，驗證集0.83

1：驗證集的結果

• 本地驗證集上的MIOU
• 0.8356

2：測試集上的結果

3：自己所采用的的方法

• pspnet + resnet50

• 我從上周的時候就開始看物體分割的相關模型以及歷史，知道了有基于上采樣的，也有最終選擇了基于特征增強的PSPNet，最終遇到了包括但不限于以下的問題

• PSP網絡的理解，以及參數的選取

  • 最主要的是self.colors，也就是灰度圖和索引圖之間的對應關系
  • 遷移學習的使用，resNet50，看嗶哩嗶哩Up主的視頻，以及寫代碼（十個小時）
  • Github 和知乎，搜索相關的代碼，知識（十個小時）
  • 最開始的時候，自己擅自改掉了self.colors，顏色就變花了，就像打翻了墨盒一樣（這個點可能花的有12個小時的時間，就一直琢磨，琢磨）
  • 開始得到的就是水墨畫
  • 然后研究灰度圖和索引圖，有五個小時
  • 總計可能有五十個小時吧

• 花的時間真的長，一個epoch需要三分鐘，訓練一百個epoch，差不多就是三百分鐘，五個小時就過去了。在kaggle平臺上面，兩個賬號，GPU每周三十個小時。剛好他周六更新時長，所以我們相當于有120個小時的使用時間。算上開始探索的時間，長長短短加起來可能有一百的小時跑模型。

• kaggle下載得到的結果文件，這次需要得到一千張圖片，他運行完了刷新一下就沒了，而且也不能批量下載。最后找到了可以通過ZIP代碼壓縮，之后直接下載。

• 一些技術上的問題

  • AttributeError: ‘NDArray’ object has no attribute ‘convert’
  • Image.fromarray(arr, ‘RGB’)
  • NDaRRAY 和 Nparray

4：圖片

• 所使用的的kaggle 環境
  

• 開始很絕望的時候 1.92

• 訓練過程中

• 最終我改正了錯誤，把batch_size = 8，并且搞懂了灰度圖和索引圖的轉換關系之后
• 每一個類別上的MIOU 我也打印出來了，可以看到都是在0.8以上，除了兩個比較拉跨的類別在0.7

• 最后 這個是驗證集上的，左邊是我們給出的，右邊是實際結果

• 這個是測試集上的，上面是原圖，下面是我們預測出的圖像

• 最后我們提交的是灰度圖，大概是這個樣子

總結

以上是生活随笔為你收集整理的语义分割 小总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。