1：数据准备

我说使用的数据是labelme制作的。json文件保存的是对应图片中所有目标的边界点坐标。

但是UNet训练却使用的是原始图像及其对应的二值化掩膜。就像下面这样：


所以需要把labelme输出的json文件绘制出二值化掩膜：方法可参考：已知分割数据集图像的多边形边界，绘制其二值化掩膜
注意要是单通道的二值化掩膜。

2：下载存储库

Pytorch-UNet
代码并不需要修改什么，直接就可以运行了。只要把数据集放到正确的位置：

imgs里存放原始图片
masks里存放二值化掩膜图片

3：训练

可以自己设置一些参数，比如epochs。

python train.py --epochs=100

每个epoch结束，会保存这次训练之后的模型。存在一个checkpoints文件夹里

4：测试

python predict.py -i test/image.jpg -o output.jpg --model=checkpoints/CP_epoch1.pth

版权声明：本文为CSDN博主「无穷升高的卡农」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_40802676/article/details/115479672