带预训练主干的图像分割模型。火炬手
segmentation-models-pytorch的Python项目详细描述
分割模型
[！[构建状态]（https://travis-ci.com/qubvel/segmentation_models.pytorch.svg？branch=master）（https://travis-ci.com/qubvel/segmentation_models.pytorch）[！[通用徽章]（https://img.shields.io/badge/license mit-<；color>；.svg）]（https://shields.io/）
分割模型是基于pytorch的带有神经网络的图像分割python库。
unet）
-每个架构有30个可用的编码器
-所有编码器都有预先训练的权重，以便更快更好地收敛
[快速启动]（启动）
2.[型号]（型号）
1.[建筑师]（建筑师）
2.[编码器]（编码器）
3.[预训练重量]（重量）
3。[安装]（安装）
4.[许可证]（许可证）
可以通过选择参数较少或较多的主干来更改网络体系结构，并使用预训练权重对其进行初始化：
``python
model=smp.unet（'resnet34'，encoder\u weights='imagenet'）
``````
更改模型中的输出类数：
``python
model=smp.unet（'resnet34'，classes=3，activation=“softmax”）
```
所有模型都有预训练的编码器，因此您必须以与权重预训练期间相同的方式准备数据：
```python
来自分段模型pytorch.encoders import get-u预处理fn
preprocess-input=get-u预处理fn（'renset18'，pretrained='imagenet'）
```
**模型camvid数据集上的培训示例**[此处]（https://github.com/qubvel/segmentation廑models.pytorch/blob/master/examples/cars%20 segmentation%20（camvid.ipynb）。
BR/> -[LNPPS]（http://ARXIV.Org/ABS/ 1707.03718）[http://Prsiors.COCODATET.ORG/COC17素材集锦.pdf> -[pSPNET]（http://ARXIV.org/ABS/ 1612.01105）
-[UNET]（http://ARXIV.org/ABS/ 1505.04597）<|
` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` 31个|
开始开始resnetv2
resnet resnet18、resnet34、resnet50、resnet101、resnet152
se resnet se resnet50、se _resnet101、se resnet152
se resnext se resnext50 _32x4d、se resnext101 x4d|
senet senet154
weights<；a name=“weights”>；
weights name编码器名称
——dpn107
imagenet*所有其他编码器
安装<；a name=“installation”>；<；/a>；
pypi版本尚未发布，若要从源代码安装包，请运行以下命令：
``bash
$pip install git+https://github.com/qubvel/segmentation\u models.pytorch
````
许可证<；a name=“license”>；<；/a>；
项目在[麻省理工学院许可证]（https://github.com/qubvel/segmentation嫒models.pytorch/blob/master/license）下分发
欢迎加入QQ群-->： 979659372
