DeepLab V3 Plus的高性能Pytorch实现 介绍 此存储库是(重)实现的PyTorch中的语义图像分割,用于在PASCAL VOC数据集上进行语义图像分割。 此回购协议的mIuU高于纸面结果的78.85%,为79.19%。 要求 在运行脚本之前,需要Python(3.6)和Pytorch(0.4.1)。 要安装所需的python软件包(期望PyTorch),请运行 pip install - r requirements . txt 数据集 为了训练和验证网络,此存储库使用增强的PASCAL VOC 2012数据集,其中包含10582张用于训练的图像和1449张用于验证的图像。 要使用数据集,您可以在下载PASCAL VOC培训/验证数据(2GB的tar文件)然后从或下载SegmentationClassAug 训练 在训练之前,您应该克隆此仓库: git clone gi
2021-12-25 19:10:04 220KB Python
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 training pytorch deeplab-v3-plus efficientnetv2
1