1、使用VOC格式进行训练。
2、训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的SegmentationClass中。
3、训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
4、在训练前利用voc_annotation.py文件生成对应的txt。
5、注意修改train.py的num_classes为分类个数+1。
6、运行train.py即可开始训练。
7、datasets下目录需自行建立。可使用自己的数据集，正确设置格式即可。
如果想要利用预训练的模型进行预测，先下载权值，再放入model_data，在train.py中正确设置(具体参看代码内注释)，运行即可。
- 按照训练步骤训练。
- 在unet.py文件里面，在如下部分修改model_path、backbone和num_classes使其对应训练好的文件；model_path对应logs文件夹下面的权值文件。
1、设置get_miou.py里面的num_classes为预测的类的数量加1。
2、设置get_miou.py里面的name_classes为需要去区分的类别名称。
3、运行get_miou.py可使用单个模型对测试数据集进行预测，获得各项数据指标。
4、运行get_miou_vote.py可使用ERULS对测试数据集进行预测，获得各项数据指标。集成的模型和权值需要事先在unet_vote.py中设置好。
https://github.com/bubbliiiing/unet-pytorch
https://github.com/ggyyzm/pytorch_segmentation