PyTorch：基于：基于UNet和和camvid数据集的道路分割数据集的道路分割
背景背景
语义分割是深度学习中的一个非常重要的研究方向，并且UNet是语义分割中一个非常经典的模型。在本次博客中，我尝试用
UNet对camvid dataset数据集进行道路分割，大致期望的效果如下：
原图原图
道路分割效果道路分割效果
本博客的代码参考了以下链接：
https://github.com/milesial/Pytorch-UNet
https://github.com/qubvel/segmentation_models.pytorch
数据集介绍及处理数据集介绍及处理
之前的博客里，我几乎不怎么介绍数据集，因为用到的数据集比较简单；但是在使用camvid dataset的时候，我脑袋都大了，用
了两三个小时才搞清楚这个数据集到底是啥情况。
数据集下载链接数据集下载链接
虽然数据集的主页还可以访问，但是下载链接好像都失效了，所以最后还是用了aws上存储链接。
https://s3.amazonaws.com/fast-ai-imagelocal/camvid.tgz
数据说明数据说明
camvid数据集里包括三种重要信息，分别是RGB影像、语义分割图和标签说明。
RGB影像就不用多少了，为三通道RGB。
语义分割图为单通道，其中像素值代表了当前像素的类别，其对应关系存储在标签说明里。
标签说明对应了语义分割图像素值和类别的关系，如下：
0 Animal
1 Archway
2 Bicyclist
3 Bridge
4 Building
5 Car
评论0