使用FCN进行图像分割 使用Keras框架和Python3，我实现了一个包括其编码器和解码器的全卷积网络“ FCN”，以对室内场景图像（如卧室，客厅和饭厅）进行分割，以最终令人满意的精度，损失和平均交集超过了MIoU ”。 结果

描述 此回购包含ICNet实现由PyTorch，基于的Hengshuang赵和等。 al（ECCV'18）。 默认情况下，对进行培训和评估。 要求 带有以下pip3 install -r requirements.txt Python 3.6或更高版本： 火炬== 1.1.0 torchsummary == 1.5.1 火炬视觉== 0.3.0 numpy == 1.17.0 枕头== 6.0.0 PyYAML == 5.1.2 更新 2019.11.15：更改crop_size=960 ，最佳mIoU增至71.0％。 花了大约2天的时间。 获取 表现 方法 浓度（％） 时间（毫秒） 第一人称射击 内存（GB） 显卡 ICNet（论文） 67.7％ 33毫秒 30.3 1.6 泰坦X ICNet（我们的） 71.0％ 19毫秒 52.6 1.86 GTX

mIou import torch import numpy as np def Iou(input,target,classNum): ''' :param input: [b,h,w] :param target: [b,h,w] :param classNum: scalar :return: ''' inputTmp = torch.zeros([input.shape[0],classNum,input.shape[1],input.shape[2]])#创建[b,c,h,w]大小的0矩阵 targetTmp = to

demo_mIoU.py运行后得到8位的预测图，可在mIoU.py中与mask计算得出各类别的mIoU值，以及整个测试集的mIoU。demo_mIoU.py与mIoU.py直接在pycharm下run即可。参考博客：https://blog.csdn.net/brf_UCAS/article/details/112383722

# 执行命令： python miou.py --labels=D:/.../labels --pred=D:/../infer # 其中 --labels 为标注图片路径 --pred 为预测出的图片路径 # 最终结果会打印输出，也会在同级目录下，生成一个txt文档，保存各个类别 iou # 操作极为简单