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

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