简单分享一下自己遇到过的深度网络的一些模型, 这个是基于tensorflow框架的deeplabv3+网络的一个pb网络文件, 是自己根据这位大佬, 我心中的一位老师, 相关链接如下:https://blog.csdn.net/weixin_44791964?type=blog. 因为相关文章链接较长, 给大家这个博主主页的链接吧. 如果想去探索这个网络, 可以去看看. 这位老师太强了. 哈哈哈, 不推荐了. 再说一下这个资源的问题, 因为相关模型文件都很大, 很多github项目不会放相关网络文件, 所以对于自己学习太困难的, 因为没有这么多资源去自己训练, 所以希望上传这个资源对你有用吧. 有什么问题可以及时反馈~

Axial-DeepLab（ECCV 2020，聚光灯） 这是正在进行的PyTorch重新实现。重新实现主要是由一位了不起的高中生。 @inproceedings { wang2020axial , title = { Axial-DeepLab: Stand-Alone Axial-Attention for Panoptic Segmentation } , author = { Wang, Huiyu and Zhu, Yukun and Green, Bradley and Adam, Hartwig and Yuille, Alan and Chen, Liang-Chieh } , booktitle = { European Conference on Computer Vision (ECCV) } , year = { 2020 } } 当前，仅支持使用

mobilenetv2_deeplabv3_pytorch 注意：最终目的是使用deeplabv3_plus_nv2进行肖像分割！ 从，我们可以了解Deeplab v3 +的详细信息（）。 提供了四个pre_train模型。 使用Mibilenetv2作为特征exstractor根据（上运行 ），我在给予tensorflow分割演示 。 这些代码是pytorch上的mobiletv2_deeplab_v3的实现。 网络架构 在，使用功能save_graph()将tensorflow图获取到pre_train文件夹，然后运行tensorboard --logdir=pre_train pre_train在浏览器中打开tensorboard： 网络架构主要包含： mobilenetv2 ， aspp 。 mobilenetv2 deeplabv3中的mobilenetv2与原始架

目标分割DeepLab v1ABSTRACT1、 INTRODUCTION2、 RELATED WORK3、 CONVOLUTIONAL NEURAL NETWORKS FOR DENSE IMAGE LABELING3.1 利用空洞算法实现高效的密集滑动窗口特征提取3.2 利用卷积网控制感受野大小，加速密集计算4、 DETAILED BOUNDARY RECOVERY : FULLY-CONNECTED CONDITIONAL RANDOM FIELDS AND MULTI-SCALE PREDICTION4.1 全连通条件随机域CRF精确定位4.2 多尺度预测Reference 原文：Se

win图像语义分割实用程序，由《model_zoo.md》中的模型《mobilenetv2_dm05_coco_voc_trainaug》改编而成。

遥感影像分类是模式识别技术在遥感领域的具体应用,针对普通卷积神经网络处理遥感图像分类遇到的边缘分类不准确、分类精度低等问题,提出了一种基于编码解码器的空洞卷积模型(DeepLab-v3+)的遥感图像分类方法。首先标注卫星图像数据;再利用标注数据集对DeepLab-v3+模型进行训练,该模型能够提取遥感图像中具有较强稳健性的边缘特征;最后获得遥感影像地物分类结果。在遥感数据集上进行分析可知,所提方法比其他分类方法具有更高的分类精度,更稳健的边缘特征,以及更优的分类效果。

采用pytorch深度学习框架实现的deeplab_v3+语义分割任务，谷歌deeplab系列性能最好也是最复杂的一个版本，可满足绝大部分基础语义分割场景。主干网络在算力不足时可选择轻量版的mobilenet_v2，算力足够时可选择Xception。 deeplab_v3+：用一个简单有效的解码器模块扩展deeplab_v3优化细分结果，尤其是沿目标边界。此外，在这种编码器 - 解码器结构中，可以通过空洞卷积任意地控制所提取的编码器特征的分辨率，以平衡准确率和运行时间。 本代码可作为入门计算机视觉语义分割任务时的学习了解用处，也可作为高校大学生的毕业课程设计使用。

本文实现了用deeplabv3对图像做分割，通过本文，你可以学习到： 1、如何使用pytorch自带deeplabv3对图像对二分类的语义分割。pytorch自带的deeplabv3，除了deeplabv3_resnet50,还有deeplabv3_resnet101,deeplabv3_mobilenet_v3_large，大家可以尝试更换模型做测试。 2、如何使用wandb可视化。 3、如何使用交叉熵和dice_loss组合。 4、如何实现二分类语义分割的预测。 原文链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/124039170

基于python使用Deeplab-v3对遥感图像的语义分割项目源码

deeplab-v2自带的评估代码，主要永高这三个文件，按照自己的路我，需要的可以参考。