Deeplabv3无法预测类

问题描述

我正在尝试使用mobilenetv3_small_seg体系结构训练deeplabv3模型。我训练了模型，但是得到的预测是没有类预测的完整空白蒙版。我接受培训的步骤如下：

1. 在Google Colab中克隆的官方存储库。

2. 我只准备了一个类别的数据集（将嘴唇分割成一个面部）。我遵循了Pascal VOC12数据集格式。我创建了RGB蒙版（0、255、0），其周围带有白色边框（255、255、255），黑色背景（0、0、0），如下所示。

   

   

3. 然后借助此script，将RGB蒙版转换为具有background：0，forground：1和boundary：255的单通道png（8位），如下所示：

   

   

4. 然后我通过修改此script成功地将数据集转换为tfrecord。

5. 然后，我将我的数据集说明添加到data_generator.py中，并带有ignore_label = 255和num_classes = 2。

6. 最后，我开始使用以下命令进行训练：

    !python train.py \
        --logtostderr \
        --training_number_of_steps=10000 \
        --train_split="val" \
        --model_variant="mobilenet_v3_small_seg" \
        --decoder_output_stride=16 \
        --train_crop_size="256,256" \
        --train_batch_size=16 \
        --dataset="pqr" \
        --save_interval_secs=600 \
        --save_summaries_secs=300 \
        --save_summaries_images=True \
        --log_steps=200 \
        --train_logdir=${PATH_TO_TRAIN_DIR} \
        --dataset_dir=${PATH_TO_DATASET}
   

7. 训练完成后，我用几个不同的图像测试了模型。该模型的输出是（256，256）数组，所有值都等于0。没有一个值我得到1或其他任何值。

我是机器学习的新手。我想知道

1. 我的流程有什么问题？我看了很多教程，但找不到答案。
2. 我的数据集有问题吗？该数据集总共包含2000张图像。
3. 我找不到mobilenetv3_small的预训练权重。如果有人知道，请分享一下，以便我进行迁移学习。
4. 我将类数设置为2（背景和前景）。是吗？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）