PyTorch语义分割开源库semseg

栏目: 软件资讯 · 发布时间: 5年前

内容简介:今天跟大家介绍一款新出的基于PyTorch的语义分割开源库https://github.com/hszhao/semseg

我爱计算机视觉 标星,更快获取CVML新技术

今天跟大家介绍一款新出的基于PyTorch的语义分割开源库 semseg

https://github.com/hszhao/semseg

其开发者为香港中文大学的博士生Hengshuang Zhao。

https://hszhao.github.io/

介绍

semsegPyTorch实现的 语义分割/场景解析开源库。 它可以方便帮助开发者用于各种语义分割数据集的训练和测试。

该库主要使用ResNet50 / 101/152作为主干网,也可以很容易地改成其他分类网络结构。

目前已经实现了包括PSPNet和PSANet在内的网络,其在2016年ImageNet场景解析挑战赛@ ECCV16,LSUN语义分割挑战赛2017 @ CVPR17和WAD可驾驶区域分割挑战赛2018 @ CVPR18中排名第一。 示例实验数据集包括主流的ADE20K,PASCAL VOC 2012和Cityscapes。

ps. 该库开发者即 PSPNet和PSANet算法的一作。

PyTorch语义分割开源库semseg

亮点

1. 同时支持多线程训练与多进程训练,并且后者非常快(该库比较重视训练)。

2. 重新实现的算法取得更好的结果,而且代码结构清晰(说明代码质量高)。

3. 所有初始化模型、训练得到的模型和预测的结果都能够下载(https://drive.google.com/open?id=15wx9vOM0euyizq-M1uINgN0_wjVRf9J3),方便开发者直接使用或者研究比较。

作者推荐的软硬件环境:

PyTorch语义分割开源库semseg

(要4到8块显卡,看来没有多卡,语义分割是玩不起了~)

训练简单

该库的训练非常简单, 简单配置后只需要一条命令

sh tool/train.sh ade20k pspnet50

测试简单

简单配置数据集和模型路径后,也只需要一条命令:

sh tool/test.sh ade20k pspnet50

在单幅图像上测试也很简单,示例:

PYTHONPATH=./ python tool/demo.py --config=config/ade20k/ade20k_pspnet50.yaml --image=figure/demo/ADE_val_00001515.jpg TEST.scales '[1.0]'

Performance

在三个数据集上的结果如下:

PyTorch语义分割开源库semseg

PyTorch语义分割开源库semseg

PyTorch语义分割开源库semseg

注意,作者列出的时间是在8个 GeForce RTX 2080 Ti上训练得到的。

感谢作者的分享~

再发一遍地址:

https://github.com/hszhao/semseg

图像分割专业交流群

关注最新语义分割、实例分割等技术,欢迎加入52CV-图像分割专业交流群,扫码添加CV君拉你入群(如果你已经加CV君为好友,请直接私信就好了, 不必重复添加 ),

请务必注明:分割 ):

PyTorch语义分割开源库semseg

喜欢在QQ交流的童鞋可以加52CV官方QQ群: 702781905

(不会时时在线,如果没能及时通过还请见谅)

PyTorch语义分割开源库semseg

长按关注 我爱计算机视觉


以上所述就是小编给大家介绍的《PyTorch语义分割开源库semseg》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

信息论基础

信息论基础

Thomas M.Cover、Joy A.Thomas / 清华大学出版社 / 2003-11-1 / 65.00元

《国际知名大学原版教材•信息论基础》系统介绍了信息论基本原理及其在通信理论、统计学、计算机科学、概率论以及投资理论等领域的应用。作者以循序渐进的方式,介绍了信息量的基本定义、相对熵、互信息以及他们如何自然地用来解决数据压缩、信道容量、信息率失真、统计假设、网络信息流等问题。一起来看看 《信息论基础》 这本书的介绍吧!

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具