实例介绍
【实例简介】
车道线分割模型模型训练自己的数据该模型是属于二分类语义分割
6.encoder decoder model 该文件夹中存放的是用于编码和解码的模型 这里使用的是 vgg cncodcr. py和 fcn decoder. py 测试: 更换编码和解码的模型 7. lanenet model 该文件夹下存放的是 lannet模型的重要操作 train.py中主要用到的是 lanenet merge model 8. tboard 该文件夹用来存放模型训练时产生的 event记录 9. tools 该文件夹下仔放的是 train lanenet py和 test lanenet py两个文件分别用于训练模 型和测试模型 10.训练 准备好训练数据以后,在 terminal(终端)中通过指令跳转到 lament目录下 举例:cd/ XXX/lanenet 然后输入一下命令开始训练 python tools/train lanenet. py --net vgg--dataset dir data/training data example/ -net指定模型的骨干网终 dataset dir指定训练数据的目录(该目录为 train txt所在的目录) 如果训练的过程中出现了中断,需要接着训练,可以输入 python tools/train lancnct. py --nct vgg -datasct dir data/training data cxamplc weights path path/to/ your/last/ checkpoint gths_ path指定之前训练中断时权重文件存放的日录 训练结東后,训练得到的模型的权重和参数文件在 model目录下的 tusimple lanenet文件夹中 l1测试 准备测试数据 测试数据是原始图片,放在data目录下的 training目录下的 testimage中(可以自 定义) 准备权重文件: 将训练好的权重文件,包括: checkpoint, lanenet model pb, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-2000 00. data-00000-of-00001, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000 in dex, tusimple lanenet vgg_2018-10-19-13-33-56.ckpt-200000meta 放在 model文件夹中 测试数据准各完成后,打开 terminal(终端)输入以下命令跳转到 lanenet目录下 cd/XXX/ lanenet′ 然后输入如下命开始用单张图片测试模型 python tools/test lanenet. py -is batch False -batch size 1 --weights path path/to/your/model weights file --image path data/tusimple test image/O. jpg is batch是否是批量处理(True表示是批量处理, False表示不是批量处理 默认为True) batch size批量处理一次读取的图片数量 weight path模型的权重文件所在的目录 image path测试数据的原始图片 输入如下命令开始用批量图片测试模型: python tools/test lanenet.py -is batch True -batch size 2 -save dir data/tusimple test image/ret --weights path path/to/your model weights file -image path data/tusimple test image savc dir是存放测试结果的地方(测试结果为划分车道线后的图片) 安芯/方禹20181228 【实例截图】
【核心代码】
车道线分割模型模型训练自己的数据该模型是属于二分类语义分割
6.encoder decoder model 该文件夹中存放的是用于编码和解码的模型 这里使用的是 vgg cncodcr. py和 fcn decoder. py 测试: 更换编码和解码的模型 7. lanenet model 该文件夹下存放的是 lannet模型的重要操作 train.py中主要用到的是 lanenet merge model 8. tboard 该文件夹用来存放模型训练时产生的 event记录 9. tools 该文件夹下仔放的是 train lanenet py和 test lanenet py两个文件分别用于训练模 型和测试模型 10.训练 准备好训练数据以后,在 terminal(终端)中通过指令跳转到 lament目录下 举例:cd/ XXX/lanenet 然后输入一下命令开始训练 python tools/train lanenet. py --net vgg--dataset dir data/training data example/ -net指定模型的骨干网终 dataset dir指定训练数据的目录(该目录为 train txt所在的目录) 如果训练的过程中出现了中断,需要接着训练,可以输入 python tools/train lancnct. py --nct vgg -datasct dir data/training data cxamplc weights path path/to/ your/last/ checkpoint gths_ path指定之前训练中断时权重文件存放的日录 训练结東后,训练得到的模型的权重和参数文件在 model目录下的 tusimple lanenet文件夹中 l1测试 准备测试数据 测试数据是原始图片,放在data目录下的 training目录下的 testimage中(可以自 定义) 准备权重文件: 将训练好的权重文件,包括: checkpoint, lanenet model pb, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-2000 00. data-00000-of-00001, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000 in dex, tusimple lanenet vgg_2018-10-19-13-33-56.ckpt-200000meta 放在 model文件夹中 测试数据准各完成后,打开 terminal(终端)输入以下命令跳转到 lanenet目录下 cd/XXX/ lanenet′ 然后输入如下命开始用单张图片测试模型 python tools/test lanenet. py -is batch False -batch size 1 --weights path path/to/your/model weights file --image path data/tusimple test image/O. jpg is batch是否是批量处理(True表示是批量处理, False表示不是批量处理 默认为True) batch size批量处理一次读取的图片数量 weight path模型的权重文件所在的目录 image path测试数据的原始图片 输入如下命令开始用批量图片测试模型: python tools/test lanenet.py -is batch True -batch size 2 -save dir data/tusimple test image/ret --weights path path/to/your model weights file -image path data/tusimple test image savc dir是存放测试结果的地方(测试结果为划分车道线后的图片) 安芯/方禹20181228 【实例截图】
【核心代码】
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论