本文以肖佬项目为例，介绍如何用PaTTA提升效果。先解压数据集到data文件夹，生成数据列表并分割训练、验证集，安装PaddleSeg。编写配置文件后训练、验证、导出模型，再下载安装PaTTA，用其工具处理测试集，最后打包结果提交。PaTTA默认配置约涨1.几分，可解决验证集与提交结果差异问题。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
PaTTA的使用
以肖佬的项目为例，展示如何使用PaTTA增分。
如果您感觉不错的话，请watch、star、fork三联，别白嫖啦，谢谢您~
仓库地址：https://github.com/AgentMaker/PaTTA
效果展示
使用PaTTA默认配置大约能涨1.几分，PaTTA能解决训练时候在验证集上miou非常高，但在提交后跌许多的问题。
这是在同一个模型情况下，仅仅使用了默认配置的PaTTA后的效果：
项目主体
解压数据集
- 考虑到数据集大小和项目启动速度，所以将数据集解压至 data 文件夹
- 每次进入项目都需要进行一次解压
In [ ]
# 解压数据集# q [quiet]：无输出# d [directory]：指定解压目录!unzip -d data data/data68698/智能车数据集.zip
数据集预处理
- 生成格式为 “img_path anno_path” 的数据列表，供后续模型训练使用
- 切分训练数据为：训练集和验证集，前者用于训练模型，后者用于验证模型效果
In [ ]
# 生成数据列表datas_list = [ 'data/image_4000/%d.png data/mask_4000/%d.png\n' % (x, x)
for x in range(4000)
]# 分割训练集，前 3900 张图像作为训练数据with open('train.txt', 'w') as f: for line in datas_list[:-100]:
f.write(line)# 分割验证集，后 100 张图像作为验证数据with open('dev.txt', 'w') as f: for line in datas_list[-100:]:
f.write(line)
安装 PaddleSeg
- 可通过 pip 或者源码进行安装
- 作为演示并为了节省拉取代码的时间，这里使用 pip 进行安装
- 完成安装之后，建议点击 Notebook 上方的重启按钮重启环境后再使用
In [ ]
# 安装 PaddleSeg!pip install paddleseg
In [ ]
!unzip PaddleSeg-release-v2.0.zip!mv PaddleSeg-release-v2.0 paddleseg
编写配置文件
- PaddleSeg 使用配置文件进行各种模型数据等各个方面的配置操作
- 具体的配置方式请参考：官方配置文档
- 更多的配置文件模板请参考：官方配置文件
- 基线代码演示所需的配置文件放置于 Road_Line.yml
- 示例的配置文件内容如下：
# 设置数据批大小batch_size: 2# 设置训练步数iters: 1000# 训练集配置train_dataset:
type: Dataset
num_classes: 15
# 数据目录
dataset_root: ./
# 训练集列表
train_path: ./train.txt
# 数据预处理
transforms:
- type: Resize
target_size: [512, 512] - type: Normalize
mode: train# 验证集配置val_dataset:
type: Dataset
num_classes: 15
# 数据目录
dataset_root: ./
# 验证集列表
val_path: ./dev.txt
# 数据预处理
transforms:
- type: Resize
target_size: [512, 512] - type: Normalize
mode: val# 优化器配置optimizer:
type: sgd
momentum: 0.9
weight_decay: 4.0e-5# 学习率配置learning_rate:
value: 0.01
decay:
type: poly
power: 0.9
end_lr: 0# 损失函数配置loss:
types:
- type: CrossEntropyLoss
coef: [1.0, 0.4]# 模型配置model:
type: FastSCNN
num_classes: 15
enable_auxiliary_loss: True
pretrained: null
模型训练
- 使用 train.py 进行模型训练
In [ ]
# 模型训练# config：配置文件# save_dir：模型保存路径# do_eval：训练同时进行模型验证# 更多选项参数请参考源代码!python paddleseg/train.py \
--config Road_Line.yml \
--save_dir saved_models \
--do_eval
模型验证
- 使用 val.py 脚本进行模型验证
In [ ]
# 模型验证# config：配置文件# model_path：模型文件# 更多选项参数请参考源代码!python paddleseg/val.py \
--config Road_Line.yml \
--model_path saved_models/best_model/model.pdparams
模型导出
- 使用 export.py 脚本进行模型预测
In [ ]
!python paddleseg/export.py \
--config Road_Line.yml \
--model_path saved_models/best_model/model.pdparams
下载PaTTA
In [ ]
!git clone https://github.com/AgentMaker/PaTTA.git
In [ ]
!unzip PaTTA.zip
生成测试集
In [ ]
import glob
path = glob.glob('data/infer/*')
f = open('test.txt', 'w')for i in path:
f.write(i+'\n')
f.close()
安装PaTTA
In [ ]
!pip install PaTTA/
一键使用
注意：请将seg.py里面的crop_size参数改成和训练一致！！！
In [16]
!python PaTTA/tools/seg.py --model_path='output/model' \
--batch_size=16 \
--test_dataset='test.txt'
结果提交
In [ ]
# 打包结果文件!zip -r result.zip result
