Python版本:3.7
主要依赖库:
- PyTorch
- torchvision
- visdom
- pydensecrf
-
DenseNet121为基础网络,PSPNet作为分割的模型,多尺度训练/测试,CRF后处理等
-
训练数据集:
- CCF初赛训练数据(s1)+ CCF复赛训练数据(s2)
- CRF处理CCF训练数据(s1s2-crf)
- Dstl训练数据
-
主要尝试的模型(原作者):
- 训练数据集s1s2 (pspnet-densenet-s1s2)
- 训练数据集s1s2-crf2 (pspnet-densenet-s1s2-crf2)
- 不同网络输入尺度 (pspnet-densenet-s1s2-320)
- focal loss (pspnet-densenet-s1s2-crf2-fl)
- 类别加权训练 (pspnet-densenet-s1s2-crf2-weight)
- CCF数据集下载链接(提取码:al0x)(把
BDCI2017-seg
的内容放入dataset/
)- 注:有Semi表示复赛,无Semi表示初赛
- Dstl数据集下载链接(解压放入
dataset/dstl
)
执行预处理:
./run_preparation.sh
run_train.sh
根据Overview里面的模型设置,更改train_dir
选择对应的训练数据和model_name
设置训练的模型
- pspnet-densenet-s1s2-320,更改--image_rows 和 --img_cols 为320
- 在
run_train.sh
,除了pspnet-densenet-s1s2-crf2-fl调用train-fl.py
, 其它模型用train.py
- 对于pspnet-densenet-s1s2-crf2-weight,更改
train.py
中的weights_per_class
为[0,1,1,3,3],默认[0,1,1,1,1]
run_test.sh
:更改model_name
选择对应的模型测试run_vote.sh
:更改model_name
,对同一模型的不同epoch测试结果进行投票,得到该单模型结果submit.sh
:每个模型的测试目录 use_crf(e.g. ./submit.sh results/pspnet-densenet-s1s2-crf2/vote 1)