【源码】基于 PyTorch 框架的人行道图像语义分割系统

项目简介

本项目借助 PyTorch 实现 U-Net 语义分割模型，针对 Hugging Face 社区的人行道图像语义分割数据集开展语义分割任务，以平均交并比（MIoU）作为分割结果的评价指标。

项目的主要特性和功能

1. 数据处理：把 1000 张图像按 7:1:2 的比例随机划分成训练、验证和测试集，采用标准化预处理，利用随机裁剪和水平翻转进行数据增强。
2. 模型架构：采用经典 U-Net 架构，包含收缩路径和拓展路径，通过卷积、池化、转置卷积等操作完成特征提取与融合。
3. 训练策略：训练总步数为 6000 步，每 100 步进行一次验证，保存验证集 MIoU 分数最高的权重参数；运用 AdamW 优化器和 OneCycle 学习率调度策略。
4. 推理策略：采用 Overlap-tile 策略将原图填充并切分进行推理，最后拼接成完整分割图。
5. 实验分析：探究输入图像大小对分割效果的影响，并与 Hugging Face 社区上其他微调后的模型进行对比。

安装使用步骤

环境配置

确保 Python 版本为 3.9.16，安装以下 Python 模块及其对应版本： albumentations 1.3.0 matplotlib 3.7.1 numpy 1.24.2 Pillow 9.4.0 tensorboard 2.12.1 torch 1.13.1 torchvision 0.14.1 tqdm 5.7.1 此代码也在 python 3.7.6 和 torch 1.8.1 环境下测试通过。

数据准备

运行 prepare_data.ipynb 的第一个代码单元格，下载完整数据集。

模型训练

• Linux 环境：可直接执行 run.sh 脚本。
• 通用方式：使用以下命令进行训练： bash python main.py \ --data_path "./data/sidewalk-semantic" \ --input_size 724 \ --batch_size 16 \ --total_steps 4000 \ --eval_steps 100 \ --learning_rate 0.0005 \ --output_path "./output"

模型推理和测试

使用 tester.py 对训练好的模型进行推理和测试。

结果可视化

使用 visualization.py 对分割结果进行可视化展示。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】