0. 任务描述：
正好这几天有时间，就写一下一个小白教程，用来教大家如何用一个轻量级的 FCN-DenseNet 训练自己的数据集，我们以分割魔方为例：
1. 标注数据：
1.1 Labelme 的安装：
语义分割标注我们使用 labelme，它是一个图形界面的图像标注软件，是用 PyQt5 编写的图形界面。
安装方式：
pip3 install labelme --user
报错：
我们换清华源试一下：
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple -U labelme --user --default-time=1000 --user
解决：
1.2 Labelme 的使用：
在终端输入 labelme：
打开界面如图：
点击OpenDir选择需要标注的图片的路径：
点击标注按键开始标注：
闭合标注区域后，填入标签：
点击Save保存：
另一张也如法炮制：
最后得到两个标注的json文件：
1.3 转换标注格式：
这一步我们需要把 json 文件转换成 VOC 格式的颜色掩码图，像这样：
我们只需要在终端输入：
labelme_json_to_dataset <文件名>.json
即：
就可以看到在该目录下，生成了相应的文件：
对于 1.json 也同样操作；
最终我们只需要保留两种标注的掩码图（注意需要改成跟原图相同的图片名）：
2. 数据的目录结构：
我们需要安排一下图片和标注的文件目录；
首先新建一个 Data 文件夹：
里面创建 2 个文件夹：
train/images 文件夹放训练原图：
train/masks 放训练标注图：
同样那个 val 下面的 images 和 masks 分别放测试原图和测试标注图；
3. 下载源码：
源码地址（记得给一个Star哦~）：
https://github.com/Sharpiless/FCN-DenseNet
下载完成后解压：
4. 下载预训练模型：
预训练模型地址：
http://download.pytorch.org/models/densenet121-a639ec97.pth
下载完成后放到源码目录下：
5. 安装 pytorch：
Linux 安装比较容易，这里就着重讲一下怎么在 Windows 下安装吧；
（我的是 python3.7，其他的版本同理）
到这个网站：
https://www.lfd.uci.edu/~gohlke/pythonlibs/
找到对应的 torch 版本下载：
下载完成后，在相应目录下 shift+右键 选择打开 Windows Powershell：
输入：
pip3 install torch‑1.0.1‑cp37‑cp37m‑win_amd64.whl --user
然后再：
pip3 install torchvision --user
如果还有报错 ‘No modul named ***’，也是直接用：
pip3 install *** --user
6. 运行训练：
在编辑器（我用的 VSCode）打开 FCN-DenseNet：
运行 train.py 即可开始训练：
下面是训练的参数，都有注释说明，需要改的话在 default 里面改就 ok：
训练时的模型参数保存在这里：
7. 测试图片：
运行 test.py 即可：
会在目录下生成一个 output 文件夹，里面是测试集的分割结果（这里是因为我只有两张图片做例子，所以测试集跟训练集是一样的）：
大功告成！
转载：https://blog.csdn.net/weixin_44936889/article/details/105526596