语义分割基准实验测试报告

测试目的

在语义分割基准模型 Deeplab V3+中，测试不同骨架网络和数据集的影响

具体来说，测试三个数据集：Cityscapes、Pascal VOC 2012和Camvid，输入尺寸如下：

测试四个骨架网络：MobileNet V2、Xception-65、ResNet-50和ResNet-101；训练 batch size 均设置为 16. 训练时分别训练 40k/30k/6k 个iteration，采用单尺度进行测试；

测试环境

安装步骤

1.安装 anaconda 环境并且在命令行中输入命令安装；

bash Anaconda3-5.0.1-Linux-x86_64.sh

gedit ~/.bashrc

export PATH=$PATH:/home/omnisky/anaconda3/bin

2.配置 python 环境，安装 pytorch；

conda create -n torch11 python=3.9

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

3.下载数据集并进行必要路径配置；

Cityscapes Dataset – Semantic Understanding of Urban Street Scenes

（cityscapes-dataset.com）

4.克隆 GitHub 语义分割开源项目 git@github.com:zhizhangxian/sssegmentation.git.并且配置相关环境

pip install -r requirements.txt

5.运行训练和测试代码

bash job.sh

bash test.sh

测试结果

各个数据集和不同骨架网络的 Deeplab V3 Plus 性能（mIOU（%））

测试结论

1.在数据集 Pascal VOC 上 Xception 取得了比 ResNet 更好的表现；

2.在数据集 Cityscapes 上，ResNet 系列的分割性能比较好，以 ResNet-101 最佳；

3.Camvids 数据集存在较大的过拟合问题。所以性能和其他 SOTA 结果相比存在不足；