华为MindSpore模型转换

 使用华为mindspore模型框架下DeepLabv3+,DeepLab是一系列图像语义分割模型,DeepLabv3+通过encoder-decoder进行多尺度信息的融合,同时保留了原来的空洞卷积和ASSP层, 其骨干网络使用了Resne...

 使用华为mindspore模型框架下DeepLabv3+,DeepLab是一系列图像语义分割模型,DeepLabv3+通过encoder-decoder进行多尺度信息的融合,同时保留了原来的空洞卷积和ASSP层,其骨干网络使用了Resnet模型,提高了语义分割的健壮性和运行速率。并在不同数据集下训练和推理(这里使用无人机航拍数据集semantic drone dataset)。

  1. 验证模型可行性

利用原始数据集PASCAL VOC 2012进行训练和推理

数据预处理:

python src/tools/get_dataset_list.py --data_dir=[DATA_ROOT]

[DATA_ROOT]为数据集的绝对路径。执行完后将在[DATA_ROOT]目录下生成三个数据清单文件: vocaug_train_lst.txt、voc_train_lst.txt和voc_val_lst.txt

bash get_dataset_mindrecord.sh

export DEVICE_ID=7 python /PATH/TO/MODEL_ZOO_CODE/src/tools/get_dataset_mindrecord.py

--data_root=/PATH/TO/DATA_ROOT \

--data_lst=/PATH/TO/DATA_lst.txt \

--dst_path=/PATH/TO/MINDRECORED_NAME.mindrecord \

--num_shards=8\

--shuffle=True

将数据集转换为MindRecord格式,作为接下来的训练输入数据和测试数据


2. 模型训练

bash run_alone_train.sh单卡训练

参数:

  • train_path:训练工作目录的绝对路径
  • train_code_path:代码根目录的绝对路径
  • data_file:MindRecord格式的数据集文件的绝对路径
  • 生成checkpoint文件,保存模型权重参数

  • 3. 模型推理

bash run_eval_s8.sh 评估脚本

  • eval_path:评估输出目录的绝对路径,建议对不同的训练输出设置不同的路径
  • data_root:数据集根目录的绝对路径
  • data_lst:数据清单文件的绝对路径
  • ckpt_path: 待评估的ckpt文件的绝对路径

attachments-2022-11-AKFa1F1y636b135fb1ee1.png


4. semantic drone dataset数据预处理

修改训练图片的格式,使其与PASCAL VOC 2012保存一致

attachments-2022-11-ehhmgPx8636b138689923.png

attachments-2022-11-8dKEblug636b13b4201fe.png

数据预处理之后,重复上述操作,重新训练和推理

你可能感兴趣的文章

相关问题

0 条评论

请先 登录 后评论
LH
LH

14 篇文章

作家榜 »

  1. 解弘艺 17 文章
  2. 高曾谊 16 文章
  3. 胡中天 14 文章
  4. 旺仔牛奶opo 14 文章
  5. LH 14 文章
  6. 罗柏荣 13 文章
  7. Panda-admin 13 文章
  8. 林晨 12 文章