小白想问问怎么得到分割目标的最小外接矩形或者坐标点呢？

请问我使用自己的数据进行训练时，会出现跑到中途就卡住，然后就自动结束进程，请问知道是什么原因吗？

所有的图片都是跳过了，导致所有评价指标都是0
Num classes 4
Skipping: len(gt) = 786432, len(pred) = 262144, /gpfs/home/cuilulu_stu/deeplabv3-plus-pytorch-main/VOCdevkit/VOC2007/SegmentationClass/17457--E2-2-2019-9-53.png, miou_out_66/detection-results/17457--E2-2-2019-9-53.png
Skipping: len(gt) = 786432, len(pred) = 262144, /gpfs/home/cuilulu_stu/deeplabv3-plus-pytorch-main/VOCdevkit/VOC2007/SegmentationClass/12336--F2-1-2021-7-17.png, miou_out_66/detection-results/12336--F2-1-2021-7-17.png
Skipping: len(gt) = 786432, len(pred) = 262144, /gpfs/home/cuilulu_stu/deeplabv3-plus-pytorch-main/VOCdevkit/VOC2007/SegmentationClass/7450--E2-2-2021-7-12.png, miou_out_66/detection-results/7450--E2-2-2021-7-12.png
Skipping: len(gt) = 786432, len(pred) = 262144, /gpfs/home/cuilulu_stu/deeplabv3-plus-pytorch-main/VOCdevkit/VOC2007/SegmentationClass/16970--D3-1-2020-6-35.png, miou_out_66/detection-results/16970--D3-1-2020-6-35.png
Skipping: len(gt) = 786432, len(pred) = 262144, /gpfs/home/cuilulu_stu/deeplabv3-plus-pytorch-main/VOCdevkit/VOC2007/SegmentationClass/22019--G3-1-2020-7-51.png, miou_out_66/detection-results/22019--G3-1-2020-7-51.png

使用xception作为主干网络。
哥，对于您写的代码：
1、当pretrained=True 且model_path="model_data/xception_pytorch_imagenet.pth"
2、当pretrained=False且model_path="model_data/xception_pytorch_imagenet.pth"
3、当pretrained=True且model_path=""
对于以上三种情况，都只是加载了主干网络xception的预训练权重，是这样吗

如何对不同的像素区域打上对应的label

你的注释写的也太详细了，我追的女孩子看你的代码都不需要我了，555555~

老师好，想请问一下，默认导出onnx之后，模型输出是三通道的RGB图像，怎么将输出改为0或1的标签呀，比如我就对两个类进行分割（背景和目标），然后我希望输出二值图（背景为0，目标为1），就好像训练的数据集的标签一样
模型转onnx格式之后，输出是3通道的float图，仔细观察后通道1和通道2都有点奇怪，通道3是我想要的（需要格式转换），怎么控制网络直接输出灰度标签呢

博主大大，我按照文档指示对VOC数据集进行训练，但是耗时很长，是什么原因噻？

再次感谢您提供的代码和讲解

关于数据增强，我有几点疑问：
1、代码中的数据增强方式会给图像加上灰边，这些灰色的像素点在训练的时候是怎么处理的呢？会计算进loss中吗？
2、代码中没有对旋转操作，是因为旋转对训练的提高效果不明显吗？
3、数据增强是为了有更丰富的训练数据，那么对一张图像进行各种变换后保存起来，用这些数据对网络进行训练是否能达到更好的效果呢？

需要在其它平台推理，怎么把模型转换为onnx模型

博主好，用自己的数据集，预测出来的图只是比原图变暗了一点，没有显示标注的部分，是哪里需要更改吗？

请问下，这个需要python哪个版本。我运行安装的时候老是提示这个问题
Could not find a version that satisfies the requirement scipy==1.2.1 (from -r requirements.txt (line 1)) (from versions: )
No matching distribution found for scipy==1.2.1 (from -r requirements.txt (line 1))

在xception主干网络下 到50epoch后loss非常不平滑，请问下这是怎么回事呢？

请问下面这条公式出处是哪里呀？或者是作者您写的吗？

请问deeplabv3支持的最大图片输入宽高是多少?谢谢

您好，非常好的一个仓库！请问是否有mobilenetV3版本的网络权重

1.目前程式我只要將pretrained設定為True會跳出這個錯誤，請問如何解決?(我已經預先下載好.pth檔並且放在model_data)

2.請問要如何在程式新增計算dice值?

ASPP模块中第五个分支使用了2次torch.mean进行卷积，这样是等效于AdaptiveAvg Pool2d吗？

你好！请问有所对应的网络结构图吗？我看到的结构图中，只有1个dropout层，而你的代码里有2个

博主大大您好，请问如果想要更换除mobilenet和xception以外的其他backbone，应该在代码中怎样操作实现呢？

作者大大，您好，我想请问一下关于调整原来的mobilenetv2下采样次数时，函数：
def _nostride_dilate(self, m, dilate): classname = m.__class__.__name__ if classname.find('Conv') != -1: if m.stride == (2, 2): m.stride = (1, 1) if m.kernel_size == (3, 3): m.dilation = (dilate//2, dilate//2) m.padding = (dilate//2, dilate//2) else: if m.kernel_size == (3, 3): m.dilation = (dilate, dilate) m.padding = (dilate, dilate)
为什么要调整padding和dilation为不同的值，这一步不是很懂，希望得到各位大佬的指点。
m.dilation = (dilate//2, dilate//2) m.padding = (dilate//2, dilate//2)
这里我可以理解为保持卷积前后的size保持不变，但是不是很懂为什么后面其他层要调整padding和dilation的大小，是为了获得更大的感受野？不调整可不可以？
小白勿喷！！！

可以使用数据集cityscapes来训练吗？

我替换为自己的数据集进行训练，但是一直遇到ValueError: Expected more than 1 value per channel when training, got input size torch.Size([1, 256, 1, 1])，这个报错，百度了都说是batch_size可能多出来了，把drop_last设置为true就好了。可是我看你的代码里是设置的true啊，请问up怎么解决呢，我这边cuda：10.1 pytorch：1.2.0

倒数第二行代码：
print('Total Loss: %.3f || Val Loss: %.3f ' % (loss / (epoch_step + 1), val_loss / (epoch_step_val + 1)))
前面应该是total_loss吧?如下：
print('Total Loss: %.3f || Val Loss: %.3f ' % (total_loss / (epoch_step + 1), val_loss / (epoch_step_val + 1)))

再次感谢作者的代码，我想参考您yolov4中ghostnet和mobilenetv3替换该代码的mobilenetv2，麻烦作者给一些建议，谢谢你

你好 想加入mae（绝对误差指标）但是输出图片通道数为num_class,而我单纯就是二分类怎么解决呢

您好，我训练的是自己的数据集，计算miou时发现moiu_out文件下的detection-results文件中的预测结果全是黑的，请问这是什么原因呢

首先感谢提供多种版本的代码。
我注意到同样是VOC12数据集，deeplabv3-plus-tf2/deeplabv3-plus-keras在测试集上的结果显著优于deeplabv3-plus-pytorch版本。
是否因为前者使用的是dice_loss_with_CE而后者只使用DiceLoss进行训练？还是有其它别的原因？

我换了weight 发现训练的时候一开始十几个epoch miou都不变的。。。 为啥啊

最近在标注数据集准备训练，请问2007与2012的语义分割数据集有何区别？？？

up主你好，对于非voc数据想在deeplabv3+中训练的话，是不是得将它们先转成voc数据集的格式？
因此我用了你提供的那个segmentation-format-fix-main/Convert_SegmentationClass.py文件将彩色标签文件转成黑色标签开始训练，可以成功训练，但是预测没有效果，想问一下是不是数据集格式转换的问题以及如何排查问题，这个问题卡了好久，谢谢！

这是初始化的时候，里面都是nan
然后训练的时候会大概率返回的low_level_features都是0，偶然会有值。导致最后计算的loss都是nan；或者无法下降。

是什么原因可能导致吗？自学初学者，基础不扎实，不明白是哪里的问题。求解

DeepLabv3+的论文中报告的MIoU大多在80以上，请问这其中的差距是什么原因造成的？怎样才能达到论文中的效果？

如题

@bubbliiiing up,我自己从新训练了你的deeplabv3+网络，也是采用的冻结训练，但是解冻后miou突然下降很多，请问这是什么问题？
下面是训练过程中的miou:
0
78.31419775054849
81.50547537615232
27.105109248288006
47.354731057269554
47.7181748097358
54.851383176103475
54.9375840188487
52.765164041864956
81.50之后就是解冻阶段。

up主你好，你的Deeplabv3+用的是voc数据集，
由于没有找到cityscape转voc的脚本
所以直接将cityscape转成coco数据集放进去训练，但结果moiu只有40左右
问题①：想问一下需不需要先cityscape转coco,然后再coco转voc进行训练？
问题②：用你提供的voc_mobilenetv2预训练权重会不会对cityscape效果造成影响？


![129c7827f28d509c9708e2a4ee9cda0](https://user-images.githubusercontent.com/96464964/184897673-
6398aa59-c621-4780-a439-60b4cbca9304.jpg)

用voc训练集训练出来的模型，预测时全黑
`# ---------------------------------------------------#

取出每一个像素点的种类

---------------------------------------------------#

pr = pr.argmax(axis=-1)`

这个pr是全0的，用预训练模型继续训练，也会出现黑点越来越多的情况，请问这是什么原因呢

我试过解冻和不解冻 也改过优化器 最终的miou都是72左右 3090 和2080 都试过 一直跑不出作者的76.8 大家有尝试过吗 请教一下
`----------------------------------------------------------------------
| keys | values|

| num_classes | 21|
| backbone | xception|
| model_path | /home/neaucs2/usr/tc/yzq/deeplabv3-plus-pytorch/model_data/deeplab_xception.pth|
| input_shape | [512, 512]|
| Init_Epoch | 0|
| Freeze_Epoch | 50|
| UnFreeze_Epoch | 250|
| Freeze_batch_size | 16|
| Unfreeze_batch_size | 8|
| Freeze_Train | False|
| Init_lr | 0.007|
| Min_lr | 7.000000000000001e-05|
| optimizer_type | sgd|
| momentum | 0.9|
| lr_decay_type | cos|
| save_period | 5|
| save_dir | logs|
| num_workers | 4|
| num_train | 10582|
| num_val | 1449|`

博主大大，请教一下，这个是怎么造成的呢

ValueError: Expected more than 1 value per channel when training, got input size torch.Size([1, 256, 1, 1])

ASPP模块中第五个分支使用了2次torch.mean进行卷积，这样是等效于AdaptiveAvg Pool2d吗？

首先谢谢您的代码，让我受益匪浅。我想请教一下训练中每一代的f_score是什么值？谢谢大佬

if self.mix_type == 0:
seg_img = np.zeros((np.shape(pr)[0], np.shape(pr)[1], 3))
for c in range(self.num_classes):
seg_img[:, :, 0] += ((pr[:, :] == c ) * self.colors[c][0]).astype('uint8')
seg_img[:, :, 1] += ((pr[:, :] == c ) * self.colors[c][1]).astype('uint8')
seg_img[:, :, 2] += ((pr[:, :] == c ) * self.colors[c][2]).astype('uint8')

请问如果我想得到这个猫的左上方坐标和右下方坐标该怎么print呢

大佬您好，我在训练自己数据集的时候遇到了一个问题，我设置num_classes为2（只需分割一个种类），但是在载入预训练模型时，始终无法载入 Fail To Load Key: ['cls_conv.weight', 'cls_conv.bias'] ……Fail To Load Key num: 2 这两个键，请问一下有没有上面解决办法？