数据集准备

数据集：遥感房屋影像分割，分先后两个时间，主要是实现建筑物面积随时间的面积变化情况。

百度云：https://pan.baidu.com/s/1HlnKWToc00986jiTxhq_CA
提取码：RSAI

数据处理

1. 数据集

数据集存放在根目录下的datasets文件夹下，与coco和city数据集并列，如果你的数据集的标签已经是0，1，那么可以不用管label_255,如果标签没有经过255-->1的转化，可以先将标签文件放在label_255下。

—BiSeNet
---------datasets
-----------------coco
-----------------cityscapes
-----------------time
-----------------------train
------------------------------image
------------------------------label_255
------------------------------label
-----------------------val
------------------------------image
------------------------------label_255
------------------------------label

2. 在datasets/times/文件夹下创建one.py

目的是将0,255的标签转化为0，1，如果是多类的，那么标签就是0，1，2，3，...n
代码中只转化了train中的文件，要转化val中的文件,修改train为val即可

import os
import cv2 as cv
labels_path = './train/label_255'
labels_save_path = './train/label'
lab_names = os.listdir(labels_path)
for s in lab_names:
    label_path = os.path.join(labels_path, s)
    label_save_path = os.path.join(labels_save_path, s)
    label = cv.imread(label_path, 0)
    label[label!=0]=1
    cv.imwrite(label_save_path, label)

1
2
3
4
5
6
7
8
9
10
11
12

2. 在datasets/times/文件夹下创建util.py文件

目的是生成train.txt文件和val.txt文件,要转化val.txt文件，只需要将下面代码中的所有train换成val即可（有三处）

import os
image_path = './train/image'
label_path = './train/label'
image_names = os.listdir(image_path)
for s in image_names:
    image = os.path.join(image_path, s)
    label = os.path.join(label_path, s)
    with open('train.txt', 'a') as fin:
        fin.write(image[2:] +","+ label[2:] +"\n")
        fin.close()

1
2
3
4
5
6
7
8
9
10
11

网络模型地址

模型修改

1. 修改configs/bisenet_customer.py文件

n_cats：包括背景在内的类别数，这里类别是2
max_iter：训练次数
im_root：数据路径
train_im_anns：刚才生成的train.txt路径
val_im_anns：刚才生成的val.txt路径
cropsize：改成图像尺寸
eval_crop：改成图像尺寸（不知道作用）
ims_per_gpu：gpu数量

2. 修改类别

这个数据集类别是2
如果configs/bisenet_customer.py中的model_type='bisenetv2'修改lib/models/bisenetv2.py文件中的n_classes=2

如果configs/bisenet_customer.py中的model_type='bisenetv1'修改lib/models/bisenetv1.py文件中的BiSeNetV1(2)

运行命令

--nproc_per_node不知道什么意思，这里的2是gpu的数量

CUDA_VISIBLE_DEVICES=0,1 torchrun --nproc_per_node=2  tools/train_amp.py --config configs/bisenet_customer.py
1

就可以正常运行啦！！