pytorch semantic segmentation

Pytorch für die semantische Segmentierung

Dieses Repository enthält einige Modelle für die semantische Segmentierung und die Pipeline von Trainings- und Testmodellen, die in Pytorch implementiert sind

Modelle

1. Vanilla FCN: FCN32, FCN16, FCN8 in den Versionen von VGG, ResNet bzw. DENsenet (vollständig Faltungsnetzwerke für die semantische Segmentierung)
2. U-NET (U-NET: Faltungsnetzwerke für die biomedizinische Bildsegmentierung)
3. SGNET (SegNET: Eine tiefe Faltungs-Encoder-Decoder-Architektur für die Bildsegmentierung)
4. PSPNET (Pyramidenszene Parsing -Netzwerk)
5. GCN (große Kernel -Angelegenheiten)
6. DUC, HDC (Verständnis für die semantische Segmentierung)

Erfordernis

1. Pytorch 0.2.0
2. Tensorboard für Pytorch. Hier zu installieren
3. Einige andere Bibliotheken (finden Sie, was Sie vermissen, wenn Sie den Code ausführen:-P)

Vorbereitung

1. Gehen Sie zum Modelsverzeichnis und setzen Sie den Pfad vorbereiteter Modelle in config.py
2. Gehen Sie zum Datasets -Verzeichnis und folgen Sie dem Readme

Todo

1. Deeplab v3
2. Raffineret
3. Mehr Datensatz (z. B. ADE)