你是如何运行 FCN代码进行语义分割的？
How did you run FCN code semantic segmentation?
我想运行[FCN代码][1]进行语义分割。但是，我是 Caffe 的初学者，我不知道应该从哪里开始 运行 编写代码。
运行ning 有任何分步指导吗？
由于我在这里得不到太多帮助，所以我把步骤贴在这里。这可能对那些没有经验的人（比如我）有帮助。我花了很长时间才弄清楚如何 运行 它并得到结果。你可能可以 运行 它成功，但与我的情况类似，结果很长时间都是空白图像，最后发现应该如何设置。
我可以对我的数据成功执行 FCN8s 并且我执行了以下步骤：
将数据分为两组（train，validation）和labels以及train和validation中相应图像的标签（共4个文件夹：train_img_lmdb，train_label_lmdb, val_img_lmdb 和 val_label_lmdb)
将你的数据（每一个单独）转换成LMDB格式（如果不是RGB，使用cv2函数转换），你将有4个lmdb文件夹，包括data.mdb和lock.mdb。示例代码是 available here.
从作者提供的url下载.caffemodel，
将路径更改为train_val.ptototxt文件中的lmdb文件的路径，你应该有4个数据层，source是[=10=的路径]、train_label_lmdb、val_img_lmdb和val_label_lmdb，类似于this link
在this line之后添加一个convolution层（这里我有5个类，然后根据[的个数改变num_output =83=] 在地面实况图像中）：
图层{
名称：“score_5classes”
类型：“卷积”
底部：“分数”
顶部：“score_5classes”
convolution_param{
num_output: 5
垫：0
kernel_size: 1 个
}
}
更改损失层如下（根据你在底层的名称）：
图层{
名称：“损失”
类型：“SoftmaxWithLoss”
底部：“score_5classes”
底部：“标签”
顶部：“损失”
loss_param{
归一化：真
}
}
运行 在你安装了 pycaffe 并安装了 caffe 环境的情况下开始训练的模型。
caffe train -solver=/path/to/solver.prototxt -weights /path/to/pre-trained/model/fcn8s-heavy-pascal.caffemodel 2>&1 | tee /path/to/save/training/log/file/fcn8_exp1.log
希望对您有所帮助。感谢@Shai 的帮助
我想运行[FCN代码][1]进行语义分割。但是，我是 Caffe 的初学者，我不知道应该从哪里开始 运行 编写代码。
运行ning 有任何分步指导吗？
由于我在这里得不到太多帮助，所以我把步骤贴在这里。这可能对那些没有经验的人（比如我）有帮助。我花了很长时间才弄清楚如何 运行 它并得到结果。你可能可以 运行 它成功，但与我的情况类似，结果很长时间都是空白图像，最后发现应该如何设置。
我可以对我的数据成功执行 FCN8s 并且我执行了以下步骤：
将数据分为两组（train，validation）和labels以及train和validation中相应图像的标签（共4个文件夹：
train_img_lmdb，train_label_lmdb,val_img_lmdb和val_label_lmdb)将你的数据（每一个单独）转换成LMDB格式（如果不是RGB，使用cv2函数转换），你将有4个lmdb文件夹，包括
data.mdb和lock.mdb。示例代码是 available here.从作者提供的url下载
.caffemodel，将路径更改为
train_val.ptototxt文件中的lmdb文件的路径，你应该有4个数据层，source是[=10=的路径]、train_label_lmdb、val_img_lmdb和val_label_lmdb，类似于this link在this line之后添加一个
convolution层（这里我有5个类，然后根据[的个数改变num_output=83=] 在地面实况图像中）：图层{ 名称：“score_5classes” 类型：“卷积” 底部：“分数” 顶部：“score_5classes” convolution_param{ num_output: 5 垫：0 kernel_size: 1 个 } }
更改损失层如下（根据你在底层的名称）：
图层{ 名称：“损失” 类型：“SoftmaxWithLoss” 底部：“score_5classes” 底部：“标签” 顶部：“损失” loss_param{ 归一化：真 } }
运行 在你安装了 pycaffe 并安装了
caffe环境的情况下开始训练的模型。caffe train -solver=/path/to/solver.prototxt -weights /path/to/pre-trained/model/fcn8s-heavy-pascal.caffemodel 2>&1 | tee /path/to/save/training/log/file/fcn8_exp1.log
希望对您有所帮助。感谢@Shai 的帮助