系统要求
我们是在以下配置上测试的代码:
- Ubuntu 16.04, Python 2.7
- numpy(1.12.1), cv2(2.4.9), PIL(4.3), matplotlib(2.1.0), cython(0.26.1), easydict
训练准备
1. 下载 Cityscapes 数据 (gtFine_trainvaltest.zip, leftImg8bit_trainvaltest.zip). 提取到 'data/cityscape/'。文件夹如下:
2. 下载 Resnet-50 预训练模型
bash scripts/download_res50.sh
3. 使用 ROIAlign 运算符构建MXNet
cp rcnn/CXX_OP/* incubator-mxnet/src/operator/
从源代码建立 MXNet 请参考教程:
https://mxnet.incubator.apache.org/get_started/build_from_source.html
4. 构建相关 cython 代码
make
5. 开始训练
bash scripts/train_alternate.sh
评估准备
1. 准备 Cityscapes 评估脚本
bash scripts/download_cityscapescripts.sh
2. Eval
bash scripts/eval.sh
Demo
1. 模型可以从以下链接中下载,请将其放置在 model 文件夹内。
- Dropbox 链接:https://www.dropbox.com/s/zidcbbt7apwg3z6/final-0000.params?dl=0
- 百度云链接:https://pan.baidu.com/s/1o8n4VMU
2. 请确认你已经把 cityscapes 数据放置在「data/cityscapes」文件夹中。
bash scripts/demo.sh
From: https://blog.csdn.net/Uwr44UOuQcNsUQb60zk2/article/details/78372152