【文件属性】：
文件名称：用卷积滤波器matlab代码-train-DeepLab:训练DeepLab进行语义图像分割
文件大小：218KB
文件格式：ZIP
更新时间：2021-05-21 13:16:18
系统开源
用卷积滤波器matlab代码训练DeepLab进行语义图像分割
马丁·科斯纳（Martin
Kersner），
该存储库包含用于使用和进行培训的脚本。
和论文分别描述了使用强注释数据和弱注释数据的训练过程。
git
clone
--recursive
https://github.com/martinkersner/train-DeepLab.git
在下面的教程中，我们使用几个shell变量来重现相同的结果而没有任何障碍。
$
DEEPLAB表示检出存储库的主目录
$
DATASETS表示存储所有必要数据集的目录路径
$
LOGNAME表示存储在$
DEEPLAB
/
exper
/
voc12
/
log目录中的日志文件的名称
$
DOWNLOADS表示存储下载文件的目录
先决条件
安装DeepLab
caffe
您应该进行安装。
但是，如果您已经完成了所有必要的运行，则可以从code
/目录执行以下命令。
cd
$DEEPLAB
/code
cp
Makefile.config.example
Makefile.config
#
Adjust
Makefile.config
(f
【文件预览】：
train-DeepLab-master
----DeepLab-LargeFOV()
--------deploy21.prototxt(6KB)
--------solver2.prototxt(270B)
--------train.prototxt(8KB)
--------solver.prototxt(269B)
--------deploy4.prototxt(6KB)
--------test.prototxt(7KB)
----.gitmodules(215B)
----segmenter.py(1KB)
----prepare_voc12_data_lists.sh(611B)
----loss_from_log.py(5KB)
----jpg2ppm.sh(911B)
----utils.py(4KB)
----DeepLab-LargeFOV-Semi-Bbox-Fixed()
--------solver2.prototxt(270B)
--------train.prototxt(9KB)
--------solver.prototxt(287B)
--------test.prototxt(6KB)
----run_pascal_weak.sh(7KB)
----plot2terminal.sh(192B)
----convert_weak_labels.m(1KB)
----sub.sed(866B)
----mat2png.py(2KB)
----faster_grep(656B)
----LICENSE(1KB)
----run_pascal_strong.sh(4KB)
----deeplab.py(3KB)
----py_img_seg_eval()
----exper()
--------voc12()
----get_DeepLab_LargeFOV_Semi_Bbox_EM_Fixed_voc12_data.sh(820B)
----test_model.py(5KB)
----code()
----.gitignore(30B)
----filter_lists.sh(947B)
----convert_labels.py(2KB)
----README.md(14KB)
----get_DeepLab_LargeFOV_voc12_data.sh(788B)
----filter_images.py(2KB)
----create_weak_lists.sh(734B)
----evaluate_deeplab.py(3KB)
----ProgressBar.py(469B)