图像语义分割 — 基于Deeplab v3+训练自己的数据 解决损失波动问题

问题描述：

在使用DeeplabV3+对自建数据集进行训练过程中，损失值长期维持在0.4左右波动，测试集的MIOU指标始终徘徊于0.55附近（表现欠佳）。经过多次调整与尝试，最终取得一定进展，近期测试结果显示测试集MIOU已突破0.8，并且未观察到明显的过拟合现象。

参考链接：

1. [()

2. <>

3. https://github.com/tensorflow/models/issues/3730

数据集特征与构成

数据共计两种类型，具体如下：图像数据的尺寸为[256, 256, 3]，采用jpg格式进行存储；标签数据的尺寸为[256, 256, 1]，则以png格式进行保存。

具体修改步骤：

1. 更改图片大小

编写脚本对图像尺寸进行调整，处理后的结果为：Images [512, 512, 3], Labels [512, 512, 1]。关于调整图像尺寸的具体原因，将在后续内容中予以详细阐述。

2. 运行datasets下build_voc2012_data.py

生成.tfrecord格式的数据文件。为简化操作，我直接将自身的数据集替换至VOC2012数据集目录中，原因在于此前已成功运行VOC2012数据集的相关流程。若对如何执行VOC2012数据集的处理步骤存在疑问，建议查阅：[