首页 > 科技周边 > 人工智能 > 正文

AdaptSegNet：学习调整结构化输出空间进行语义分割

P粉084495128
发布： 2025-07-28 09:54:40
原创
1011人浏览过
本文介绍AdaptSegNet的PaddlePaddle实现，该方法将语义分割从合成数据集（如GTA5）适配到真实数据集（如Cityscapes）。给出了复现指标、训练过程，说明数据集下载与目录结构，提供预训练模型链接，还详述了测试和训练的启动方式及相关参数，展示了模型在真实图片上的分割效果。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

adaptsegnet：学习调整结构化输出空间进行语义分割 - php中文网

AdaptSegNet：学习调整结构化输出空间进行语义分割

英文名：Learning to Adapt Structured Output Space for Semantic Segmentation

将语义分割从合成数据集（源域）调整到真实数据集（目标域）的方法的PaddlePaddle实现。

Paper

Learning to Adapt Structured Output Space for Semantic Segmentation
Yi-Hsuan Tsai*, Wei-Chih Hung*, Samuel Schulter, Kihyuk Sohn, Ming-Hsuan Yang and Manmohan Chandraker
IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018 (spotlight) (* indicates equal contribution).

复现指标及训练过程

iterations/(Batch_size=2) meanIOU iterations/(Batch_size=2) meanIOU
Target 42.35 Best 42.72
5000 34.29 10000 37.59
15000 38.84 20000 38.5
25000 39.07 30000 40.52
35000 40.22 40000 39.88
45000 39.88 50000 41.47
55000 41.13 60000 41.74
65000 40.98 70000 42.24
75000 41.47 80000 42.23
85000 42.11 90000 42.14
95000 40.72 100000 41.58
105000 40.82 110000 42.72
115000 40.96 120000 39.86

Quantitative Reuslts

AdaptSegNet：学习调整结构化输出空间进行语义分割 - php中文网        

结果展示

对于如下的真实图片，我们展示经过我们的算法最佳模型的语义分割效果图AdaptSegNet：学习调整结构化输出空间进行语义分割 - php中文网        

数据集

1.官网下载

  • 下载源域数据集 -GTA5数据集GTA5 Dataset 。放置在 data/GTA5 文件夹下
  • 下载目标域数据集-城市景观数据集 Cityscapes Dataset ,放置在 data/Cityscapes 文件夹下

注意：

（1）GTA5数据集需要全部下载并且解压至同一个文件下，可通过这个repo当中所提供的unzips.py脚本进行数据集的批量解压

（2）下载Cityscapes数据集包括gtFine和leftimg8bit两个数据集，但是仅用到gtFine的验证集部分的灰度图和在leftimg8bit中对应验证集的原始照片和训练照片， 可以通过这个repo当中所提供的copy_by_txt.py脚本进行数据集的制作。详细使用图片可通过dataset/cityscapes_list当中train.txt、val.txt、label.txt文件进行查看

2. 通过aistudio开源数据集获取数据集

（1）GTA5数据集-part1

（2）GTA5数据集-part2

通义万相
通义万相

通义万相，一个不断进化的AI艺术创作大模型

通义万相 596
查看详情 通义万相

（3）Cityscapes-valmini

3.数据集结构目录

data╠═══Citycapes║   ╚═══data║       ╠═══gtFine
║       ║   ╠═══test  
║       ║   ╠═══train  
║       ║   ╚═══val  
║       ╚═══leftimg8bit  
║           ╠═══test  
║           ╠═══train  
║           ╚═══val  
╚═══GTA5  
    ╠═══images  
    ╚═══labels
登录后复制
   

预训练模型

  • 原始预训练模型链接，可用于模型从头开始训练。
  • 已训练Best模型链接，可用于作为继续训练的预训练模型和持续训练
  • 每隔5000iteration的模型链接，可用于测试每个阶段的模型效果

注：使用这个方式需要挂载aistudio数据集

构建数据集目录树

In [1]
import os
os.makedirs('AdaptSegNet-Paddle/data/GTA5',exist_ok=True)
os.makedirs('AdaptSegNet-Paddle/data/Cityscapes', exist_ok=True)
登录后复制
   

解压数据集到指定目录

数据集分三个：

  1. GTA5数据集-part1
  2. GTA5数据集-part2
  3. Cityscapes-valmini

注意：由于训练集过大，所以需要三次挂载->解压->解除挂载步骤。

In [ ]
# 解压数据集 GTA5数据集-part1 解压完之后取消挂载数据集 删除data当中的数据集文件！解除占用空间# !unzip /home/aistudio/data/data106349/01_labels.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106349/02_labels.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106349/03_labels.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106349/04_labels.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106349/05_labels.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106349/01_images.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106349/02_images.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106349/03_images.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106349/04_images.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106349/05_images.zip -d AdaptSegNet-Paddle/data/GTA5
登录后复制
   
In [ ]
# 解压数据集 GTA5数据集-part2 解压完之后取消挂载数据集 删除data当中的数据集文件！解除占用空间# !unzip /home/aistudio/data/data106372/06_labels.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106372/07_labels.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106372/08_labels.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106372/09_labels.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106372/10_labels.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106372/06_images.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106372/07_images.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106372/08_images.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106372/09_images.zip -d AdaptSegNet-Paddle/data/GTA5# !unzip /home/aistudio/data/data106372/10_images.zip -d AdaptSegNet-Paddle/data/GTA5
登录后复制
   
In [ ]
# 解压数据集 Cityscapes-valmini 解压完之后取消挂载数据集 删除data当中的数据集文件！解除占用空间# !unzip /home/aistudio/data/data118666/data.zip -d AdaptSegNet-Paddle/data/Cityscapes
登录后复制
   

进入到工作目录

In [6]
%cd AdaptSegNet-Paddle/
登录后复制
       
/home/aistudio/AdaptSegNet-Paddle
登录后复制
       

测试启动

  • 挂载已有的训练模型AdaptSegNet-ModelAndLog
  • 下载测试模型(可选Best模型、各阶段模型、中途训练模型 ）并且放置在model路径下
  • 使用以下代码测试模型，并且模型将会保存在result文件夹下（restore-from：模型文件路径）
python evaluate_cityscapes.py --restore-from '../data/data119256/GTA5_Best.pdparams
登录后复制
   
In [ ]
!python evaluate_cityscapes.py --restore-from '../data/data119256/GTA5_Best.pdparams'
登录后复制
   
  • 如果您想单独对已生成的result结果计算iou，可使用例如以下代码。(thanks to the code from VisDA Challenge)
python compute_iou.py ./data/Cityscapes/data/gtFine/val result/cityscapes
登录后复制
   
In [ ]
!python compute_iou.py ./data/Cityscapes/data/gtFine/val result/cityscapes
登录后复制
   

训练启动

  • 重新训练GTA5-to-Cityscapes模型 (multi-level)
python train_gta2cityscapes_multi.py --checkpoint-dir ./checkpoint/GTA2Cityscapes_multi \
                                     --lambda-seg 0.1 \                                     --lambda-adv-target1 0.0002 --lambda-adv-target2 0.001
登录后复制
       
  • 继续训练GTA5-to-Cityscapes模型 (multi-level)
python train_gta2cityscapes_multi.py --checkpoint-dir ./checkpoint/GTA2Cityscapes_multi \
                                     --lambda-seg 0.1 \                                     --lambda-adv-target1 0.0002 --lambda-adv-target2 0.001 \                                     --start-iter latest \                                     --continue-train
登录后复制
       
  • 重点参数解释
重点参数 含义
checkpoint-dir 模型结果及日志保存位置
continue-train 是否启用持续学习策略（触发有效）
start-iter 持续学习开始的iter数，默认为latest，即从上次保存点开始，启动持续学习时有效

注意： 训练日志存放在checkpoint-dir目录下

In [ ]
!python train_gta2cityscapes_multi.py --checkpoint-dir ./checkpoint/GTA2Cityscapes_multi \
                                     --lambda-seg 0.1 \
                                     --lambda-adv-target1 0.0002 --lambda-adv-target2 0.001
登录后复制
   
In [ ]
# !python train_gta2cityscapes_multi.py --checkpoint-dir ./checkpoint/GTA2Cityscapes_multi \#                                      --lambda-seg 0.1 \#                                      --lambda-adv-target1 0.0002 --lambda-adv-target2 0.001 \#                                      --start-iter latest \#                                      --continue-train
登录后复制
   

以上就是AdaptSegNet：学习调整结构化输出空间进行语义分割的详细内容，更多请关注php中文网其它相关文章！

相关标签：
python ai red for continue 算法 paddlepaddle

大家都在看：

最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。

下载
来源：php中文网
收藏 点赞
上一篇：基于PaddleOCR的FCENet复现 下一篇：基于Paddle2.0的注意力卷积网络RAN
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn
作者最新文章
最新问题
讯飞火星AI怎样生成高质量文本_讯飞火星AI文本生成技巧与优化方法 优化提示结构、调整生成参数、利用上下文记忆和后处理校对可提升讯飞火星AI文本质量。通过设定角色、明确任务与格式，控制温度、长度及重复惩罚，保持话题连贯，并结合人工润色，确保输出精准逻辑清晰。
2025-11-05 11:15:12
951
即梦可以用来写论文或者代码吗_即梦写论文与代码使用说明 即梦可辅助撰写论文或代码，提供思路、格式建议与初稿生成，但用户需自行验证内容准确性与原创性。
2025-11-05 10:58:02
472
夸克A眼镜如何恢复备份_夸克A眼镜数据备份与恢复操作详细教程 可通过夸克云服务、本地设备传输或恢复密钥三种方式恢复夸克A眼镜数据：首先确保设备联网并登录账号，选择云备份与恢复功能下载历史备份；若无云端备份，可将存储在手机或电脑的.qab文件通过USB传输至眼镜，并在系统工具中导入；对于加密备份，需在初始化时输入12位恢复密钥验证后选择内容恢复，全程保持供电稳定。
2025-11-05 10:52:02
944
星火大模型体验页_科大讯飞AI网页版服务平台 星火大模型体验页科大讯飞AI网页版服务平台为https://www.xfyun.cn/，提供多语种语音识别、深度推理能力及130多种语言实时切换功能；集成35000多个智能助手，支持个性化智能体搭建与API接入；内置PPT生成、虚拟人视频制作和写作辅助工具；开放API矩阵，提供免费试用与多版本模型选择，支持开源模型接入与定制微调。
2025-11-05 10:45:21
686
即梦生成的图片可以商用吗_即梦图片商用政策说明 是的，JIEMUAI生成的图像通常可用于商业用途。平台允许在遵守使用指南的前提下将内容用于电商视觉、宣传材料等商业场景，但禁止未经授权的转售或滥用行为。
2025-11-05 10:28:02
323
夸克AI平台智能助手官网 夸克AI官方主页直达访问官方地址 夸克AI平台智能助手官网是https://www.quark.cn/，该网站集成AI搜索、文档解析、网页提取和多轮对话功能，支持跨设备数据同步与网盘服务，提供极简高效的操作体验。
2025-11-05 09:37:03
264
DeepSeekOCR本地部署如何进行模型微调_DeepSeekOCR模型微调与自定义训练方法介绍 DeepSeekOCR可通过逆向分析模型结构并构建兼容数据流程实现本地微调。首先确认模型格式与框架支持，获取推理代码或反向工程网络结构；接着准备训练环境与标注数据集，选用PyTorch+MMOCR等框架进行数据预处理；然后加载预训练权重，采用冻结骨干网络、分阶段微调策略，结合CTC或DBLoss损失函数与小学习率优化；随后编写自定义训练循环，实现参数更新与学习率调度；最后在验证集上评估性能，保存模型为Checkpoint或ONNX/TorchScript格式，并结合TensorRT等工具部署。关
2025-11-05 09:06:02
709
瑞达写作平台登录入口 瑞达写作App官方正版应用商店 瑞达写作平台登录入口位于官网https://www.ruidawriting.com，用户可在此下载官方正版App并使用智能内容生成、文献整合、高效大纲构建、长文管理、查重优化与内容润色等功能。
2025-11-05 08:45:02
722
华为AI眼镜如何使用手势控制_华为AI眼镜手势识别与控制功能教程 华为AI眼镜支持手势控制音频播放与接听电话。一、双击镜腿可播放/暂停音乐，注意敲击速度与力度。二、通过App启用“轻滑”功能后，前后滑动镜腿可切换上下曲目。三、滑动镜腿还可调节音量，前滑增大、后滑减小，系统实时提示音量等级。四、双击左镜腿可唤醒语音助手，需在App中开启权限并保持蓝牙连接，实现语音拨号与信息查询等功能。
2025-11-05 08:19:02
676
讯飞火星AI怎样进行婚礼策划文案生成_讯飞火星AI婚礼流程与文案智能创作方法 讯飞星火AI可通过星火对话生成婚礼文案初稿，使用内容写作功能定制宣传文案，结合讯飞智文一键生成图文并茂的婚礼策划方案，提升创作效率与质量。
2025-11-05 07:19:10
734
相关专题
更多>
热门推荐
开源免费商场系统广告
热门教程
更多>
相关推荐
热门推荐
最新课程
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 意见反馈 讲师合作 广告合作 最新更新 English
php中文网：公益在线php培训，帮助PHP学习者快速成长！
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号

  • PHP学习

  • 技术支持

  • 返回顶部