华为MindSpore模型转换
使用华为mindspore模型框架下DeepLabv3+，DeepLab是一系列图像语义分割模型，DeepLabv3+通过encoder-decoder进行多尺度信息的融合，同时保留了原来的空洞卷积和ASSP层，其骨干网络使用了Resnet模型，提高了语义分割的健壮性和运行速率。并在不同数据集下训练和推理（这里使用无人机航拍数据集semantic drone dataset）。
- 验证模型可行性
利用原始数据集PASCAL VOC 2012进行训练和推理
数据预处理：
python src/tools/get_dataset_list.py --data_dir=[DATA_ROOT]
[DATA_ROOT]为数据集的绝对路径。执行完后将在[DATA_ROOT]目录下生成三个数据清单文件： vocaug_train_lst.txt、voc_train_lst.txt和voc_val_lst.txt
bash get_dataset_mindrecord.sh
export DEVICE_ID=7 python /PATH/TO/MODEL_ZOO_CODE/src/tools/get_dataset_mindrecord.py
--data_root=/PATH/TO/DATA_ROOT \
--data_lst=/PATH/TO/DATA_lst.txt \
--dst_path=/PATH/TO/MINDRECORED_NAME.mindrecord \
--num_shards=8\
--shuffle=True
将数据集转换为MindRecord格式，作为接下来的训练输入数据和测试数据
2. 模型训练
bash run_alone_train.sh单卡训练
参数：
- train_path：训练工作目录的绝对路径
- train_code_path：代码根目录的绝对路径
- data_file：MindRecord格式的数据集文件的绝对路径
- 生成checkpoint文件，保存模型权重参数
3. 模型推理
bash run_eval_s8.sh 评估脚本
- eval_path：评估输出目录的绝对路径，建议对不同的训练输出设置不同的路径
- data_root：数据集根目录的绝对路径
- data_lst：数据清单文件的绝对路径
- ckpt_path: 待评估的ckpt文件的绝对路径
4. semantic drone dataset数据预处理
修改训练图片的格式，使其与PASCAL VOC 2012保存一致
数据预处理之后，重复上述操作，重新训练和推理
- 发表于 2022-11-09 10:37
- 阅读 ( 367 )
- 分类：边端协同深度计算
