网络 介绍 我们提供用于再现实验结果的。 强调: SCNet解决了现有的级联方法用于实例分割的训练推断样本分布不匹配的局限性。 SCNet加强了子任务之间的关系:分类,检测和分段。 最先进的技术:SCNet在没有响声的情况下,在ResNext-101上实现了44.7盒式AP和42.3面罩AP。 可以使用众所周知的插件和技巧(例如Group Norm,DCN,多尺度培训/测试)来进一步改善此功能。 快速的培训和测试:与和相比,SCNet可以实现更好的性能,同时可以更快地进行培训/推理,并且需要更少的内存。 请参阅下面的比较。 数据集 SCNet需要COCO和COCO-stuff数据集进行培训。 您需要下载并解压缩到COCO数据集路径中。 目录应该是这样的。 mmdetection ├── mmdet ├── tools ├── configs ├── data │ ├── c
2022-07-20 16:58:01 7.25MB pytorch detection-framework Python
1