场景分割的上下文优先(CVPR2020) 实现。 消息 核心代码的简单版本已发布。 它基于mmsegmentation。 您可以将代码集成到mmseg中以运行实验。 最近,我忙于求职和博士学位论文。 经过这段时间之后,我将发布完整版本。 我们在ADE20K val集上达到46.3%的平均IoU,在PASCAL-Context上达到53.9%的mIoU,在Cityscapes上达到81.3%的mIoU。 表现 引文 如果可以帮助您的研究,请考虑在您的出版物中引用ContextPrior。 @inproceedings{Yu-CVPR-ContextPrior-2020, title={Context Prior for Scene Segmentation}, author={Yu, Changqian and Wang, Jingbo and Gao, Changxin an
2021-09-02 00:13:13 804KB Python
1
,,,,包军,方志伟和路汉青 介绍 我们提出了一种双重注意网络(DANet),可以根据自我注意机制将局部特征与其全局依赖项进行自适应集成。 而且,我们在三个具有挑战性的场景分割数据集(即Cityscapes,PASCAL Context和COCO Stuff-10k数据集)上实现了最新的分割性能。 城市景观测试设置结果 我们仅使用精细的注释数据来训练DANet-101,并将测试结果提交给官方评估服务器。 更新 2020/9 :更新代码,该代码支持Pytorch 1.4.0或更高版本! 2020/8:新的TNNLS版本DRANet在Cityscapes测试集上达到 (在2019年8月提交结果),这是仅使用精细注释数据集和Resnet-101的最新技术性能。 该代码将在发布。 2020/7:在MMSegmentation上支持 ,其中,在Netscapeval set上,DANet的单比
2021-07-02 08:58:11 22.38MB 附件源码 文章源码
1
双重注意力网络:中科院自动化所提出新的自然场景图像分割框架(附源码)。本文提出了一个新的自然场景图像分割框架,以往的方法更为灵活、有效,在三个场景分割数据集Cityscapes、PASCAL Context 和 COCO Stuff上取得了当前最佳分割性能。
2021-05-03 18:44:14 21.02MB 场景分割 DANet
1
基于立体视觉的道路场景分割与车辆检测算法研究_王泽运 论文
2019-12-21 20:52:21 9.18MB 图像处理
1