【Deeplabv3+】Ubutu18.04中使用pytorch复现Deeplabv3+(第二步)-----KITTI数据集预测

在查看本篇文章之前，请先查看博主的上一篇文章【Deeplabv3+】Ubutu18.04中使用pytorch复现Deeplabv3+(第一步)-----环境配置_努力弹琴的大风天的博客-CSDN博客

配置好环境之后，再进行接下来的操作

目录

一、源码、数据集和预训练下载

（1）源码下载

(2)KITTI数据集下载

（3）预训练权重下载

 二、预测

1.单张图片预测

2.整个数据集预测

一、源码、数据集和预训练下载

（1）源码下载

源码位置：https://github.com/VainF/DeepLabV3Plus-Pytorch

点击：Code > Download ZIP 下载即可。

​

 下载完成后，解压到Ubuntu桌面（其它位置也可），得到项目文件夹DeepLabV3Plus-Pytorch-master。

(2)KITTI数据集下载

KITTI部分原始数据集：https://github.com/ErenBalatkan/Bts-PyTorch/blob/master/kitti_archives_to_download.txt

本文选取上面数据集中其中之一做测试，链接如下：https://s3.eu-central-1.amazonaws.com/avg-kitti/raw_data/2011_09_29_drive_0004/2011_09_29_drive_0004_sync.zip

 将2011_09_29_drive_0004数据集下载下来，解压之后，将图片数据集放在项目文件夹DeepLabV3Plus-Pytorch-master/dataset/data下面：

注意:数据集一般放在项目文件夹下面，这个位置可以自己定义，也可以自己在DeepLabV3Plus-Pytorch-master下面新建文件夹存放。

数据集中image_00,image_01是黑白的相机图片；

image_02,image_03是彩色的相机图片；

oxts是保存的imu和gnss数据；

velodyne_points是velodyne激光雷达的点云数据。

本文只使用image_02做测试

​

train_aug.txt是项目文件夹DeepLabV3Plus-Pytorch-master/datasets/data中自带的，不需要管。

（3）预训练权重下载

下载地址（任选一个即可）：

https://www.dropbox.com/sh/w3z9z8lqpi8b2w7/AAB0vkl4F5vy6HdIhmRCTKHSa?dl=0

或者

https://share.weiyun.com/qqx78Pv5

本文只使用：best_deeplabv3plus_mobilenet_cityscapes_os16.pth。其它的可以自己下载测试。

下载完成后，在项目文件夹DeepLabV3Plus-Pytorch-master中新建一个checkpoints文件夹，将best_deeplabv3plus_mobilenet_cityscapes_os16.pth文件放在该文件夹下。

​

 二、预测

1.单张图片预测

# 激活上一篇文章创建好的虚拟环境中
conda activate deeplabv3+
# 切换到项目文件夹下面
cd  DeepLabV3Plus-Pytorch-master
# 运行预测代码
python3 predict.py --input ~/Desktop/DeepLabV3Plus-Pytorch-master/datasets/data/image_02/data/0000000001.png --dataset cityscapes --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth --save_val_results_to test_result# ~/Desktop/DeepLabV3Plus-Pytorch-master/datasets/data/image_02/data/0000000001.png为单张预测图片的路径，根据自己的数据位置选择# best_deeplabv3plus_mobilenet_cityscapes_os16.pth为预训练权重路径# 预测结果保存在test_results文件夹下（代码运行过程中会自己创建test_results文件夹）

​

单张图片预测代码运行过程几秒，预测结果在 DeepLabV3Plus-Pytorch-master/test_results中可以查看：

​

2.整个数据集预测

将上一步的图片路径改为整个文件夹即可(速度快慢取决于你的显卡，本文显卡2060，整个过程需要二十多秒)：

​

结果如下图：

​

 因为是自己的论文课题，接下来会继续复现数据集训练，测试过程。大家有复现过程有什么问题，欢迎在评论区发表评论，博主随时提供帮助。