语义分割算法

最近更新时间:2020-04-16 17:40:37

上传数据

以下处理过程中,基于如下组织的原始数据(非必须)

语义分割算法

即以PascalVOC开源数据的方式进行组织。JPEGImages文件夹中全为图片,SegmentationClass文件夹中全为Mask语义分割标注图片。关系在于图片的文件名称是一一对应的(图片如果是IMG_20180129_163826.jpg,那么标注文件的名称是IMG_20180129_163826.png)。如: 图片IMG_20180129_163826.jpg:

语义分割算法 标注图片IMG_20180129_163826.png:

语义分割算法 最后使用zip压缩后上传即可(注意:根目录不能有中文,只能是大小写字母,数字和中划线下划线)

处理数据

构建处理上述语义分割数据的Pipeline

语义分割算法

  1. 节点:水果语义分割数据集 数据节点。该数据即为上述上传的数据。 数据为:

语义分割算法

  1. 节点: 正则提取 对数据进行处理,将数据的path路径进行正则提取,创建两个新字段:typeid 例:如数据图片path为root/JPEGImages/IMG_20180129_163826.jpg,解析完成后,type=JPEGImages, id=IMG_20180129_163826。如此解析的目的为使用type区分是数据图片还是mask图片,使用id将数据图片和mask图片进行JOIN一一对应起来。 节点参数

    语义分割算法 输出数据

    语义分割算法

  2. 节点: SELECT 对正则解析后的数据进行过滤操作,将数据图片和mask图片分开。 节点参数 选取数据图片的SELECT

    语义分割算法

    选取Mask图片的SELECT

    语义分割算法 输出数据 选取数据图片的SELECT

    语义分割算法

选取Mask图片的SELECT

语义分割算法

  1. 节点:重命名字段 为了避免在JOIN过程中,有两个相同的content字段冲突,先对Mask数据所在的字段进行重命名。 节点参数

    语义分割算法 输出数据

    语义分割算法

  2. 节点:LEFT JOIN 根据第一步正则提取出来的id字段,将数据图片和Mask图片进行一一对应,两者构成一个完整的训练样本。 节点参数

    语义分割算法 输出数据

    ![检测15.png] (http://fe-frame.ks3-cn-beijing.ksyun.com/project/cms/968f88ec3483eb606d2183790d068bbe)

  3. 节点:保存数据集 将最后得到的输出持久化为数据集,便于在后续流程中使用。

训练等

和分类算法的使用过程类似。 构建一个Pipeline,使用上述处理好的数据和预训练模型作为训练的输入,将训练输出的模型进行保存,同时也部署一个API对结果进行可视化查看。

语义分割算法

  1. 通过API查看效果 在API部署中找到刚刚部署的API。上传测试数据。

语义分割算法

金山云,开启您的云计算之旅

免费注册