deeplabv3_mobilenetv2_tf_dim_ordering_tf_kernels 预训练模型
2021-07-01 17:33:29
8.57MB
1
再生成模型后，通常我们都是对小图进行检测，但是最终应用很多时候是对大图检测，输出大图，代码调用deeplabv3的pb文件对大幅图像进行检测，并输出大图。
2021-06-01 15:21:22
1KB
1
调用deeplabv3生成的.pb文件，对图片进行批量预测并生成彩色图像。需要将图片尺寸修改为自己图片的大小，将类别与颜色对应图修改为自己的类型。
2021-06-01 15:18:01
1KB
1
DeepLabV3 +
使用PyTorch的语义分割实现
火车
运行python train.py进行培训
数据集结构（类似于CamVid数据集）
├── Dataset folder
├── train
├── 1111.png
├── 2222.png
├── train_labels
├── 1111_L.png
├── 2222_L.png
├── class_dict.csv
笔记
默认功能提取器是
更改培训配置，更改utils/config.py参数
默认的损失函数是weighted cross entropy
2021-05-14 04:49:28
12KB
1
惊人的语义分割
Tensorflow && Keras上的惊人语义分割（包括FCN，UNet，SegNet，PSPNet，PAN，RefineNet，DeepLabV3，DeepLabV3 +，DenseASPP，BiSegNet ...）
楷模
该项目支持以下语义分割模型：
FCN-8s / 16s / 32s-
UNet-
SegNet-
贝叶斯SegNet-
PSPNet-
RefineNet-
PAN-
DeepLabV3-
DeepLabV3Plus-
DenseASPP-
BiSegNet-
基本型号
该项目支持以下这些主干模型，您可以根据需要选择合适的基本模型。
2021-05-12 15:11:19
572.19MB
1
在Cityscapes数据集上训练的DeepLabV3的PyTorch实现
2021-05-12 12:03:59
258.23MB
一个语义分割网络deeplabv3plus在cityscapes数据集上的预训练模型，最好的效果。.ph文件
2021-04-11 10:08:07
40.11MB
1