來源：投稿 作者：某一個(gè)名字

編輯：學(xué)姐

導(dǎo)語

在工業(yè)視覺應(yīng)用中，目標(biāo)檢測算法常用于特征的粗定位，而語義分割則在特征的精定位方面有著突出的表現(xiàn)。使用較多的語義分割模型主要有FCN、deeplab系列、unet等，根據(jù)自身的實(shí)踐來看deeplabv3+以及unet往往能夠在工業(yè)數(shù)據(jù)集上有著良好的檢測效果。這里就先介紹下deeplabv3+的工業(yè)應(yīng)用流程。

1、代碼獲取

1.1這里推薦使用的代碼庫

https://github.com/bubbliiiing/deeplabv3-plus-pytorch

1.2版本選擇

2、兩種途徑

很多教程往往只會(huì)說按照readme的要求安裝requirements即可，但是往往會(huì)出現(xiàn)torch或者torchvision安裝失敗等現(xiàn)象，這里提供兩種途徑可以規(guī)避可能出現(xiàn)的坑。

2.1 pytorch與torchvision的離線安裝

首先在官網(wǎng)https://download.pytorch.org/whl/torch_stable.html下載對(duì)應(yīng)的torch以及torchvision版本。下載完成后cmd定位到下載文件夾后利用文件夾名進(jìn)行安裝即可，例如（torch1.4）E:\torch>pip install torch-1.4.0-cp37-cp37m-win_amd64.whl。

2.2 鏡像安裝庫

例如安裝opencv_python==4.1.2.30可通過pip install opencv_python==4.1.2.30 -i

https:://pypi.doubanio.com/simple。

3、模型訓(xùn)練

3.1訓(xùn)練數(shù)據(jù)處理

使用labelme工具制作自己的數(shù)據(jù)集，制作完成后將原圖與json格式文件一起放入datasets\before文件夾下，運(yùn)行json_to_dataset.py生成檢測圖片與標(biāo)簽圖片，分別位于datasets\JPEGImages、datasets\SegmentationClass下。最后將這兩個(gè)文件夾copy到VOCdevkit\VOC2007文件夾下，運(yùn)行voc_annotation.py即可生成最終的訓(xùn)練數(shù)據(jù)集格式。

注意點(diǎn)：運(yùn)行json_to_dataset.py之前需要將classes更改成自己數(shù)據(jù)集種類，例如classes=[“_background_”,”luo”]。

3.2 模型訓(xùn)練

該代碼庫對(duì)于模型訓(xùn)練參數(shù)的更改設(shè)置均在train.py文件中做了很詳細(xì)的說明，可以按照給出的注釋適配自己的數(shù)據(jù)。

4、模型導(dǎo)出

目前模型部署的工具有很多例如openvino、libtorch、tensorrt、onnxruntime、opencvdnn等，個(gè)人使用比較多的是openvino、libtorch、tensorrt，現(xiàn)在就以libtorch為例來說明下模型部署的流程。

4.1 pth2pt

Libtorch接受的是pt格式的模型文件，所以需要將訓(xùn)練得到的pth權(quán)重文件轉(zhuǎn)化為pt模型文件格式，轉(zhuǎn)化代碼為：

5、模型部署

5.1基于Windows的libtorch安裝以及vs2019配置

5.1.1下載與安裝

5.1.2附加依賴

• 1）opencv：需要提前配置opencv，本文以openCV3.4.0為例；

• 2）cuda：如果需要GPU部署的話需要提前配置cuda，本文以cuda10.2為例如只需要CPU部署這步可忽略。

5.1.3下載地址

• 1）libtorch下載地址： https://pytorch.org/get-started/locally/

5.1.4 vs2019配置libtorch(注意文件路徑即可)

release、X64

VC++-目錄：

包含：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include D:\opencv\build\include\opencv
D:\opencv\build\include\openCV2
D:\opencv\build\include
D:\libtorch\include\torch\csrc\api\include
D:\libtorch\include

庫目錄：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib D:\opencv\build\x64\vc15\lib
D:\libtorch\lib

鏈接器-輸入： D:\libtorch\lib\torch.lib
D:\libtorch\lib\torch_cuda.lib
D:\libtorch\lib\caffe2_detectron_ops_gpu.lib
D:\libtorch\lib\caffe2_module_test_dynamic.lib
D:\libtorch\lib\torch_cpu.lib
D:\libtorch\lib\c10_cuda.lib
D:\libtorch\lib\caffe2_nvrtc.lib
D:\libtorch\lib\mkldnn.lib
D:\libtorch\lib\c10.lib
D:\libtorch\lib\dnnl.lib
D:\libtorch\lib\libprotoc.lib
D:\libtorch\lib\libprotobuf.lib
D:\libtorch\lib\libprotobuf-lite.lib
D:\libtorch\lib\fbgemm.lib
D:\libtorch\lib\asmjit.lib
D:\libtorch\lib\cpuinfo.lib
D:\libtorch\lib\clog.lib
D:\opencv\build\x64\vc14\lib\opencv_world340.lib

5.2 基于libtorch的部署代碼如下

語義分割論文學(xué)姐也準(zhǔn)備了部分經(jīng)典必讀！需要的同學(xué)來領(lǐng)取啦~

關(guān)注【學(xué)姐帶你玩AI】回復(fù)“500”即可