1. 制作自己的数据集，VOC格式为例。
   
   这三个文件包括数据集的名称。可以使用labelme脚本自动生成。
   
2. 跟据预测类别修改配置文件
   D:\projects\mmsegmentation-main\mmseg\datasets\voc.py
   因为是voc格式的数据集，在这个文件里进行配置，修改成自己数据集的类别
   
3. 加载预训练模型开始训练

D:\projects\mmsegmentation-main\configs\upernet\upernet_r18_4xb4-20k_voc12aug-512x512.py

选择一个适合自己数据集的模型

D:\projects\mmsegmentation-main\tools\train.py

在train.py文件中进行训练，执行结束后在tools/work_dir文件中找到刚才训练的结果，找到刚刚生成的py文件 复制到config中

在该文件中进行修改：

num_classes（不要忘记还有个背景类别）

data = dict{ }中修改data_root
修改 train val test

如果使用公开数据集，就按照官方文档的格式整理

预训练的模型在官网下载一下：对实验结果影响挺大
https://mmsegmentation.readthedocs.io/zh-cn/latest/model_zoo.html