本文主要是介绍【Deeplabv3+】Ubutu18.04中使用pytorch复现Deeplabv3+(第二步)-----KITTI数据集预测,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
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。
这篇关于【Deeplabv3+】Ubutu18.04中使用pytorch复现Deeplabv3+(第二步)-----KITTI数据集预测的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!