使用Tensorflow训练自己的分割数据
2017-04-11 10:26
260 查看
数据准备
首先,需要将准备好的原始数据与其标签文件放在固定目录下,然后建立标签索引文件train.txt与val.txt,具体格式如图所示,左侧是原图,右侧是标签图:然后建立test.txt文件,具体如图所示:
设计网络结构
比如使用FCN的机制来进行分割,以下面的网络结构为例:修改配置文件
比如本次训练使用高速的数据,将训练配置文件hypes/KittiSeg_highspeed.json中的data部分修改为自己数据的路径文件,jitter部分修改输入图像尺寸为自己图像尺寸,分别如下两图所示:开始训练
使用如下命令来进行训练:python train.py –hypes hypes/KittiSeg_highspeed.json
请千万注意,这里的–hypes是两个“-”!!!
相关文章推荐
- 使用Tensorflow训练自己的数据
- 使用tensorflow训练自己的数据
- 【TensorFlow】使用Object Detection API 训练自己的数据集报错
- 使用caffe框架利用faster-rcnn来训练自己的数据集
- Tensorflow 训练自己的数据集将数据直接导入到内存
- Caffe使用step by step:使用自己数据对已经训练好的模型进行finetuning
- Caffe学习——使用自己的数据(非图像)训练网络
- tensorflow版本 Faster RCNN训练自己的数据集
- 使用Tensorflow构建和训练自己的CNN来做简单的验证码识别
- 使用自己的数据训练Faster-RCNN
- TensorFlow——训练自己的数据——CIFAR10(一)数据准备
- Caffe使用step by step:使用自己数据对已经训练好的模型进行finetuning
- 使用faster rcnn训练自己的数据(py-faster-rcnn )
- 使用Tensorflow测试自己的分割网络模型
- tensorflow对自己的数据进行训练(选择性的恢复权值)(26)---《深度学习》
- 利用tensorflow训练自己的图片数据(3)——建立网络模型
- DPM在windows下配置并使用自己标定的数据进行训练
- Tensorflow训练Kitti道路分割数据
- tensorflow 分布式 数据并行 异步训练 between-graph 自己写的实例 RNN
- 使用TensorFlow训练神经网络识别MNIST数据代码