PIDNet 项目使用教程

1. 项目目录结构及介绍

PIDNet 项目的目录结构如下：

PIDNet/
├── configs/
│   ├── cityscapes/
│   └── camvid/
├── data/
│   ├── cityscapes/
│   └── camvid/
├── datasets/
├── figs/
├── models/
│   ├── speed/
├── pretrained_models/
│   ├── cityscapes/
│   └── camvid/
├── samples/
├── tools/
├── utils/
├── LICENSE
└── README.md

目录介绍：

• configs/: 包含项目的配置文件，分为 cityscapes 和 camvid 两个子目录，分别用于不同的数据集配置。
• data/: 存放数据集文件，包括 cityscapes 和 camvid 数据集。
• datasets/: 数据集处理相关的代码。
• figs/: 存放项目相关的图片文件。
• models/: 包含模型的定义和实现，其中 speed/ 目录用于速度测试。
• pretrained_models/: 存放预训练模型，分为 cityscapes 和 camvid 两个子目录。
• samples/: 存放自定义输入的图片文件。
• tools/: 包含项目的工具脚本，如训练、评估和自定义输入处理等。
• utils/: 包含项目中使用的各种实用工具函数。
• LICENSE: 项目的许可证文件。
• README.md: 项目的介绍和使用说明。

2. 项目的启动文件介绍

PIDNet 项目的启动文件主要集中在 tools/ 目录下，以下是主要的启动文件及其功能介绍：

• train.py: 用于训练模型的脚本。可以通过配置文件指定训练参数，如数据集、模型类型、批处理大小等。
• eval.py: 用于评估模型的脚本。可以加载预训练模型并评估其在验证集或测试集上的性能。
• custom.py: 用于处理自定义输入的脚本。可以将自定义图片输入到模型中进行预测。

使用示例：

• 训练 PIDNet-S 模型：

  python tools/train.py --cfg configs/cityscapes/pidnet_small_cityscapes.yaml GPUS (0,1) TRAIN_BATCH_SIZE_PER_GPU 6
  

• 评估 PIDNet-S 模型：

  python tools/eval.py --cfg configs/cityscapes/pidnet_small_cityscapes.yaml TEST_MODEL_FILE pretrained_models/cityscapes/PIDNet_S_Cityscapes_val.pt
  

• 处理自定义输入：

  python tools/custom.py --a 'pidnet-l' --p 'pretrained_models/cityscapes/PIDNet_L_Cityscapes_test.pt' --t '.png'
  

3. 项目的配置文件介绍

PIDNet 项目的配置文件位于 configs/ 目录下，分为 cityscapes 和 camvid 两个子目录，分别对应不同的数据集。

配置文件示例：

• configs/cityscapes/pidnet_small_cityscapes.yaml:

  DATASET:
    NAME: 'cityscapes'
    ROOT: 'data/cityscapes'
    TRAIN_SET: 'list/cityscapes/train.lst'
    VAL_SET: 'list/cityscapes/val.lst'
    TEST_SET: 'list/cityscapes/test.lst'
  
  MODEL:
    NAME: 'pidnet_small'
    PRETRAINED: 'pretrained_models/imagenet/PIDNet_S.pt'
  
  TRAIN:
    BATCH_SIZE_PER_GPU: 6
    NUM_EPOCHS: 120
    LR: 0.01
    MOMENTUM: 0.9
    WEIGHT_DECAY: 0.0005
  
  TEST:
    MODEL_FILE: 'pretrained_models/cityscapes/PIDNet_S_Cityscapes_val.pt'
  

配置文件说明：

• DATASET: 配置数据集相关参数，如数据集名称、数据集根目录、训练集、验证集和测试集的路径。
• MODEL: 配置模型相关参数，如模型名称、预训练模型的路径。
• TRAIN: 配置训练相关参数，如批处理大小、训练轮数、学习率、动量和权重衰减。
• TEST: 配置测试相关参数，如测试模型的路径。

通过修改这些配置文件，可以灵活地调整训练和测试的参数，以适应不同的需求。