pytorch semantic segmentation

Pytorch pour la segmentation sémantique

Ce référentiel contient quelques modèles de segmentation sémantique et le pipeline de modèles de formation et de test, implémentés en pytorch

Modèles

1. Vanilla FCN: FCN32, FCN16, FCN8, dans les versions de VGG, Resnet et Denset respectivement (réseaux entièrement convolutionnels pour la segmentation sémantique)
2. U-net (U-Net: Réseaux convolutionnels pour la segmentation biomédicale)
3. Segnet (Segnet: une architecture de coder convolutionnelle profonde pour la segmentation de l'image)
4. Pspnet (réseau d'analyse de scène pyramid)
5. GCN (grand noyau.
6. DUC, HDC (compréhension de la convolution pour la segmentation sémantique)

Exigence

1. Pytorch 0.2.0
2. Tensorboard pour Pytorch. Ici pour installer
3. Quelques autres bibliothèques (trouvez ce que vous manquez lors de l'exécution du code: p)

Préparation

1. Allez dans le répertoire des modèles et définissez le chemin des modèles pré-entraînés dans config.py
2. Allez dans le répertoire de jeux de données et faites en suivant le ReadMe

FAIRE

1. Deeplab v3
2. Raffinet
3. Plus d'ensemble de données (par exemple ADE)