pytorch实现的语义分割体系结构
pytorch-semseg的Python项目详细描述
pytorch semseg
==
许可证
pytorch实现的语义分割算法---------------------------
此存储库旨在镜像pytorch中流行的语义分割
架构。
原始：html
<；p align="center">；
…raw：：html
<；p>；
>网络实施
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~>
` pspnet<；https://arxiv.org/abs.org/abs.org/abs；http://arxiv.org/br/>/>pspnet；https://arxiv.org/abs/1611.08323
/><；p；http://arxiv.org/abs.org/161~~~~~~~~~~~~~~~~乙
-`fcn<；https://arxiv.org/abs/1411.4038>；``所有1（fcn32s）、2
（fcn16s）和3（fcn8s）流变体
-`u-net<；https://arxiv.org/abs/1505.04597>；``有可选的
反褶积和批处理规范
-`link net<；https://codeac29.github.io/projects/linknet/>；`_-使用
多个resnet后端
-`segnet<；https://arxiv.org/abs/1511.00561>；``使用
最大池索引取消冷却
` ` `
>数据加载器的实施
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~/>-`ADE20K<；http://groups.csa麻省理工学院。edu/vision/vision/datasets/ade20k/>；```MIT场景解析
benchmark<；http://data.csail.mit.edu/places/adechallenge/adechallengeda2016.zip>；`````城市景观<；http://www.cityscapes-dataset.com/>；```````>
>
>>即将到来的
>>>
>>>
>>>>
>>>>>>
-scipy
-tqdm
one line installation
^^^^^^^^^^^^^^^^^^
``pip install-r requirements.txt`
data
~~~~~~
-从url列表下载所需数据集的数据
`here<；https://meetshah1995.github.io/semantic-segmentation/deep learning/pytorch/visdom/2017/06/01/Semantic Segmentation over the years.html"sec"数据集gt；` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` `-提取zip/tar并在
` ` ` ` config.json` ` `用法
~~~~~~
launch`visdom<；https://github.com/facebooksresearch/visdom ` launch>；``通过
运行（在单独的终端窗口中）
：
**训练模型：**
：
[--n_epoch[n_epoch][--batch_size[batch_size]]
[--l_rate[l_rate][--feature_scale[feature_scale]
[--visdom[visdom]
--arch architecture to use['fcn8s，unet，segnet etc']
--数据集dat设置为使用['pascal，camvid，ade20k etc']
--输入图像的img_行高度
--输入图像的img_列宽度
--输入图像的n_epoch_ivider for of features to use
--visdom show visualization（s）on visdom false默认情况下
**验证模型：**
：：
[--batch_size[batch_size][--split[split]]
--model_保存模型的路径
--使用['pascal、camvid、ade20k等]的数据集]
--输入图像的img_行高度
--输入图像的img_cols宽度
--batch_size baTCH大小
--对数据集进行拆分以在
**上进行验证，以在自定义图像上测试模型w.r.t.数据集：**
：
python test.py[-h][--模型路径[模型路径][--数据集[数据集]
[--dcrf[dcrf][--img路径[img路径][--out_路径[输出路径]
--保存模型的模型路径
--要使用['pascal、camvid、ade20k等]的数据集]
--DCRF启用基于densecrf的后处理
--输入图像的img路径
--输出segmap的输出路径
…|许可证图像：：https://img.shields.io/github/license/mashape/apistatus.svg
：目标：https://github.com/meetshah1995/pytorch-semseg/blob/master/license
==
许可证
pytorch实现的语义分割算法---------------------------
此存储库旨在镜像pytorch中流行的语义分割
架构。
原始：html
<；p align="center">；
…raw：：html
<；p>；
>网络实施
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~>
` pspnet<；https://arxiv.org/abs.org/abs.org/abs；http://arxiv.org/br/>/>pspnet；https://arxiv.org/abs/1611.08323
/><；p；http://arxiv.org/abs.org/161~~~~~~~~~~~~~~~~乙
-`fcn<；https://arxiv.org/abs/1411.4038>；``所有1（fcn32s）、2
（fcn16s）和3（fcn8s）流变体
-`u-net<；https://arxiv.org/abs/1505.04597>；``有可选的
反褶积和批处理规范
-`link net<；https://codeac29.github.io/projects/linknet/>；`_-使用
多个resnet后端
-`segnet<；https://arxiv.org/abs/1511.00561>；``使用
最大池索引取消冷却
` ` `
>数据加载器的实施
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~/>-`ADE20K<；http://groups.csa麻省理工学院。edu/vision/vision/datasets/ade20k/>；```MIT场景解析
benchmark<；http://data.csail.mit.edu/places/adechallenge/adechallengeda2016.zip>；`````城市景观<；http://www.cityscapes-dataset.com/>；```````>
>
>>即将到来的
>>>
>>>
>>>>
>>>>>>
-scipy
-tqdm
one line installation
^^^^^^^^^^^^^^^^^^
``pip install-r requirements.txt`
data
~~~~~~
-从url列表下载所需数据集的数据
`here<；https://meetshah1995.github.io/semantic-segmentation/deep learning/pytorch/visdom/2017/06/01/Semantic Segmentation over the years.html"sec"数据集gt；` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` `-提取zip/tar并在
` ` ` ` config.json` ` `用法
~~~~~~
launch`visdom<；https://github.com/facebooksresearch/visdom ` launch>；``通过
运行（在单独的终端窗口中）
：
**训练模型：**
：
[--n_epoch[n_epoch][--batch_size[batch_size]]
[--l_rate[l_rate][--feature_scale[feature_scale]
[--visdom[visdom]
--arch architecture to use['fcn8s，unet，segnet etc']
--数据集dat设置为使用['pascal，camvid，ade20k etc']
--输入图像的img_行高度
--输入图像的img_列宽度
--输入图像的n_epoch_ivider for of features to use
--visdom show visualization（s）on visdom false默认情况下
**验证模型：**
：：
[--batch_size[batch_size][--split[split]]
--model_保存模型的路径
--使用['pascal、camvid、ade20k等]的数据集]
--输入图像的img_行高度
--输入图像的img_cols宽度
--batch_size baTCH大小
--对数据集进行拆分以在
**上进行验证，以在自定义图像上测试模型w.r.t.数据集：**
：
python test.py[-h][--模型路径[模型路径][--数据集[数据集]
[--dcrf[dcrf][--img路径[img路径][--out_路径[输出路径]
--保存模型的模型路径
--要使用['pascal、camvid、ade20k等]的数据集]
--DCRF启用基于densecrf的后处理
--输入图像的img路径
--输出segmap的输出路径
…|许可证图像：：https://img.shields.io/github/license/mashape/apistatus.svg
：目标：https://github.com/meetshah1995/pytorch-semseg/blob/master/license
欢迎加入QQ群-->： 979659372
