陕西欧卡智舶实习

清华大学博士生暑期实践

主要内容：

代码及配置好环境的路径：3090服务器 /mnt/projects/luoyt/mmsegmentation
代码执行需要的conda虚拟环境：conda activate luoyt
- pytorch 1.9.0+cuda11.1
- mmcv 1.3.9
- mmsegmentation 0.15.0 (不用专门安装，git clone他给的仓库，然后安装即可)
将数据准备成Pascal Voc 2012的格式，并且软连接到data/文件夹下
主要修改的文件：
- configs/_base_/datasets/pascal_voc12_water.py：修改训练，验证以及测试文件的路径
- configs/_base_/models/setr_pup_single.py：定义SETR网络结构的配置，此文件相比于原始文件configs/_base_/models/setr_pup_single.py修改了第5行，将SyncBN改为了BN用于单卡训练
- configs/_base_/models/deeplabv3plus_r50-d8_single.py：修改类似于SETR的网络结构
- configs/setr/setr_pup_512x512_40k_b2_water.py：SETR训练以及测试的配置文件，修改分割类别数量，优化器，batchsize等
- configs/deeplabv3plus/deeplabv3plus_r18-d8_512x512_40k_water.py：Deeplabv3plus训练以及测试的配置文件，修改分割类别数量，优化器，batchsize等
- tools/test.py：修改了143、146和166、167行，添加了统计时间的代码
- train.sh, train_deeplabv3plus_r18.sh训练的脚本
- test.sh, test_deeplabv3plus_r18.sh测试的脚本
- workdirs/训练得到的模型、训练的log、测试时可视化的图像等

代码及配置好环境的路径：3090服务器 /mnt/projects/luoyt/SegFormer
代码执行需要的conda虚拟环境：conda activate segformer
- pytorch 1.8.0+cuda11.1 (1.9会报错)
- mmcv 1.2.7 (1.3.0以上版本会报错)
- mmsegmentation 0.11.0 (不用专门安装，git clone他给的仓库，然后安装即可)
将数据准备成Pascal Voc 2012的格式，并且软连接到data/文件夹下
主要修改的文件：
- local_configs/_base_/datasets/pascal_voc12_water.py：修改训练，验证以及测试文件的路径
- local_configs/_base_/models/segformer_single.py：修改类似于SETR的网络结构
- local_configs/segformer/B5/segformer.b5.512x512.pascalwater.40k.py: SegFormer训练及测试的配置文件，修改分类类别数量，优化器，batchsize等
- tools/test.py：修改149、152和172、173行，增加了统计时间的代码
- train.sh：训练的脚本
- test.sh：测试的脚本。对于有label的数据评测mIoU，需要指定--eval mIoU，对于没有label的数据无法评测，需要指定--eval None。保存可视化结果的路径通过--show-dir指定

包含两种方法，第一种论文Adaptive Inverse Perspective Mapping for Lane Map Generation with SLAM中使用的方法，在inverse_perspective_mapping/Adaptive_IPM路径下；第二种为基于单应性矩阵的方法，在inverse_perspective_mapping/Homography_IPM路径下
第二种方法鲁棒性更好，具体可见该文件夹下的说明文档

路径：create_labelme_json
将得到的分割图像转换为labelme可读取的json文件，方便进一步微调标记区域来得到更多的训练数据，并且将分割图进行了初步的筛选，将异常的图像名写入到文件中。具体见代码create_labelme_json/create_label.py