FCN的一个pytorch简单复现，数据集很小，是一些随机背景上的一些包的图片（所有数据集大小一共不到80M）
关于此数据集详细信息，见文件bag_data和bag_data_mask。
根据论文实现了FCN32s、FCN16s、FCN8s和FCNs
使用visdom可视化，运行了100个epoch后的可视化如下图：

1.1 我的运行环境

• Windows 10
• pytorch == 1.0
• torchvision == 0.2.1
• visdom == 0.1.8.5
• OpenCV-Python == 3.4.1

具体操作

1. 打开终端，输入
   python train.py 2.若没有问题可以打开浏览器输入http://localhost:8097/ 来使用visdom可视化

在training data和ground-truth分别有600张图片（0.jpg ~ 599.jpg）。

• train prediction：训练时模型的输出
• label：ground-truth
• test prediction：预测时模型的输出（每次训练都会预测，但预测数据不参与训练与backprop）
• train iter loss：训练时每一批（batch）的loss情况
• test iter loss：测试时每一批（batch）的loss情况

1. train.py

• 训练网络与可视化
• 主函数

2. FCN.py

• FCN32s、FCN16s、FCN8s、FCNs网络定义
• VGGNet网络定义、VGG不同种类网络参数、构建VGG网络的函数

3. BagData.py

• 定义方便PyTorch读取数据的Dataset和DataLoader
• 定义数据的变换transform

4. onehot.py

• 图片的onehot编码

如果您有任何建议或问题，欢迎随时与我联系，如果您发现了任何bug，或者您想做出贡献，请创建一个PR。:smile: