简介
mmsegmentation作为OpenLab重要的开源分割训练框架,统一了之前大家各写个的训练网络,导致很多工作无法复现。并且每次大家下载开源项目一打开项目,要面对各种千奇百怪的风格的代码,每次都要花费时间去适应,降低工作效率。
OpenLab的mmsegmentation统一了训练分割框架代码,把重要部分全面模块化,只要按照API,就可以很轻松的添加自己的工作,个人是很喜欢OpenLab的mm系列的。
但是OpenLab的工作给适应了之前千奇百怪代码的朋友们一定的难度,OpenLab的代码风格一打开,如果代码能力不是特别强的话,肯定是懵逼状态的。
其实mm系列需要修改的地方挺少的,以mmsegmentation为例,你要是想成功跑起来,只需要修改以下几个地方:
1、在mmseg/datasets下面对数据集进行初始定义
2、在configs/base/datasets下面对数据加载进行定义
3、在configs/下面选择你需要的模型参数进行修改
4、返回tools/train.py进行训练
其他的mmclassfication和mmdetection的修改方式也是相似的,下面进行具体讲解
文章目录
下载和基础环境安装
下载
https://github.com/open-mmlab/mmsegmentation
打不开的话就用下面这个(我下的是这个)
https://gitee.com/monkeycc/mmsegmentation
我使用实验室的Ubuntu环境,所以只需要下一个mmcv-full
pip install mmcv-full
ps:我下的这个包下面要求mmcv-full在1.3.13到1.5.0之间
在mmseg/datasets下面对数据集进行初始定义
由于自身水平有限,没法根据自己数据集原有的格式去修改框架中数据集读取方式,所以只能按照框架中规定的数据格式去更改自己数据集的格式:
-
按照官方给的文档,先把自己的数据集改成官方存放数据集格式
├── data │ ├── my_dataset │ │ ├── img_dir │ │ │ ├── train │ │ │ │ ├── xxx{ img_suffix} │ │ │ │ ├── yyy{ img_suffix} │ │ │ │ ├── zzz{ img_suffix} │ │ │ ├── val │ │ ├── ann_dir │ │ │ ├── train │ │ │ │ ├── xxx{ seg_map_suffix} │ │ │ │ ├── yyy{ seg_map_suffix} │ │ │ │ ├── zzz{ seg_map_suffix} │ │ │ ├── valimg_dir中全部存在原图
ann_dir中全部存放mask -
dataset class文件配置;
在mmseg/datasets/目录下找到stare.py文件

复制一份stare.py并粘贴在mmseg/datasets/目录下,重命名为my_dataset.py,打开my_dataset.py

你需要修改标红的三个地方
STAREDataset:表示你定义的数据的名字,顺便取一个名字即可
CLASSES:表示你数据集的背景+类别
PALETTE :表示你数据集各类别的像素值
img_suffix:原图图像后缀
seg_map_suffix:mask图像后缀
比如我的数据集就需要修改为以下内容# Copyright (c) OpenMMLab. All rights reserved. import os.path as osp from .builder import DATASETS from .custom import CustomDataset @DATASETS.register_module() class MyDataset(CustomDataset): """DRIVE dataset. In segmentation map annotation for DRIVE, 0 stands for background, which is included in 2 categories. ``reduce_zero_label`` is fixed to False. The ``img_suffix`` is fixed to '.png' and ``seg_map_suffix`` is fixed to '_manual1.png'. """ CLASSES = ('background', 'egc') PALETTE = [[0, 0, 0], [255, 255, 255]] def __init__(self, **kwargs): super(MyDataset, self).__init__( img_suffix='.jpg', seg_map_suffix='.png', reduce_zero_label=False, **kwargs) assert osp.exists(self.img_dir)PALETTE好像是调色板,我随便更改里面的数值发现对训练没啥影响,翻了一下其他大佬的回答,这个好像是训练完后进行测试后的结果保存,mmseg默认为把分割出来的mask结果直接画在原图上进行显示,PALETTE好像指定了画上原图的mask蒙版的颜色。
PS:mmseg要求mask的像素在[0,num_classes-1]范围内,比如我是2分类,背景像素值为0,那么目标像素值应该为1。如果你也是二分类,mask为单通道(8 bit)二值化的0(背景)/255(目标)图像的话,先去把图像改为0(背景)/1(目标)图像,否则能跑起来,但是指标异常,几乎全是0。(这是个大坑!!!一定要注意)
修改mmseg/datasets/目录下的_init_.py

把图中标红的加到原_init_.py中
在configs/_ base _/datasets下面对数据加载进行定义
在configs/__ base __/datasets/目录下找到stare.py文件,复制一份重命名为my_dataset.py。进行修改
# dataset settings
dataset_type = 'MyDataset' #上一步中你定义的数据集的名字
data_root = '/data/egc224mmsegStyle' #数据集存储路径
img_norm_cfg
3万+



被折叠的 条评论
为什么被折叠?



