深度双分辨率网络,可实时,准确地对道路场景进行语义分割
介绍
这是的非官方代码。 在单个2080Ti GPU上,DDRNet-23-slim在109 FPS的Cityscapes测试装置上可产生77.4%的mIoU,从而在城市景观和camvid的精度和速度之间实现了最先进的权衡,而无需使用推理加速和额外的数据!在CamVid测试装置上以230 FPS时有74.4%的mIoU。
该代码主要来自和,感谢他们的工作。
要求
在这里列出了实验中使用的软件和硬件
pytorch == 1.7.0
3080 * 2
cuda == 11.1
快速开始
0.数据准备
您需要下载数据集。 并重命名cityscapes文件夹,然后将数据放在data文件夹下。
└── data
├── cityscapes
└── list
1.预训练模型
从imagenet上下载预训练模型或从那里下载分割模
1