目录

1、下载代码，下载预训练好的权重

2、预测代码

3、像素提取（计算类别百分比）+指标计算

4、文档部分内容截图

邮箱：邮箱已设置自动回复，不看私信，没精力看。437969428@qq.com

最近做街景语义分割相关的工作，因为没有gpu训练模型，且训练的模型往往MIOU很低，还不如直接找训练好的模型，所以在github找到了一个模型，具有cityscapes数据集预训练权重，不需要训练模型，不需要看懂模型，一行代码直接出语义分割之后的结果。

语义分割之后，用pyhton统计各个类别所占像素个数，用于后续定量指标的计算。

三个视频+两个详细代码使用文档+所有代码。
视频教程：
1.语义分割全流程介绍（14分）
2.语义分割模型使用（19分）
3.像素提取（计算类别百分比）+指标计算（绿视率、 开阔度、 视觉熵等），转shp矢量（22分）

 1、下载代码，下载预训练好的权重

 选择哪一个都行，随便下载一个，以DeepLabV3Plus-ResNet101为例

没有checkpoints文件夹就自己建一个。

2、预测代码

代码在终端运行，修改完之后，直接复制粘贴运行。

单张图片：
python predict.py --input datasets/data/cityscapes/leftImg8bit/train/bremen/bremen_000000_000019_leftImg8bit.png  --dataset cityscapes --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth --save_val_results_to test_results

文件夹：
python predict.py --input datasets/data/cityscapes/leftImg8bit/train/bremen  --dataset cityscapes --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth --save_val_results_to test_results

python predict.py 意思是运行predict这个python文件

--input  datasets/bremen_000000_000019_leftImg8bit.png  这里是输入文件/输入文件夹，修改为自己的比如：E:\深圳街景\A01街景原图\福田区

--dataset cityscapes  使用的数据集

--model deeplabv3plus_mobilenet 使用的模型，或者deeplabv3plus_resnet101

--ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth 权重文件，需要新

建checkpoints文件夹，将权重文件放进去。或者使用best_deeplabv3plus_resnet101_cityscapes_os16.pth.tar这个权重文件

注：--model要与--ckpt权重文件保持一致，mobilenet就都mobilenet，resnet101就都resnet101。

--save_val_results_to test_results 输出文件夹，指定路径即可，不存在会按照指定的路径创建

直接将所有图片进行语义分割，随后将四个图片的像素求平均即可。 

建议直接用四个方向的图预测。

如果是全景图的话，建议用ptgui pro拆分成上下前后左右六个方向，保留前后左右四个方向，是否保留上方向，自己考虑。根据我的结果是不建议，全是天空没有意义且模型分错严重。

全景图还是四个方向，见仁见智，论文中都有，只不过更多的是四个方向。

以文件夹为例：

python predict.py --input D:\街景图片  --dataset cityscapes --model deeplabv3plus_resnet101 --ckpt checkpoints/best_deeplabv3plus_resnet101_cityscapes_os16.pth.tar --save_val_results_to  D:\语义分割后的图片

如果下载的模型是：

--model deeplabv3plus_mobilenet

--ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth

--model deeplabv3plus_resnet101

--ckpt checkpoints/best_deeplabv3plus_resnet101_cityscapes_os16.pth.tar

出现其他运行的错误，包括但不限于 numpy之类的，百度搜索一下就可以解决。

语义分割后的示例图片

语义分割之后，统计各类像素数量的代码：

3、像素提取（计算类别百分比）+指标计算

结果示例图。 

常规提取代码：运行速度比较慢，大概2张/1s（不维护了，也不出了）。

改进提取代码+说明文档：能达到60张/s（取决于cpu），并且文件保存时间几乎为0。文档内容见下图。

需要代码（语义分割结果提取像素的代码，不是模型提升精度的代码）联系邮箱437969428@qq.com，放wx会被认为广告，下架博文。

​

4、文档部分内容截图

示例图2

示例图3

示例图4

邮箱：不看私信，没精力看。437969428@qq.com