pytorch deeplab xception Download - pytorch deeplab xception Sumber Code Unduh

pytorch deeplab xception

ular piton

1.0.0

Unduh

Pytorch-deeplab-xception

Pembaruan pada 2018/12/06. Berikan model yang dilatih pada dataset VOC dan SBD.

Pembaruan pada 2018/11/24. Rilis kode versi terbaru, yang memperbaiki beberapa masalah sebelumnya dan juga menambahkan dukungan untuk backbones baru dan pelatihan multi-GPU. Untuk kode sebelumnya, silakan lihat di cabang previous

Todo

Dukung tulang punggung yang berbeda
Dukungan VOC, SBD, CityScapes dan Coco Datasets
Pelatihan Multi-GPU

Tulang punggung	Latih/eval OS	Miou di Val	Model pretrained
Resnet	16/16	78,43%	Google Drive
Mobilenet	16/16	70,81%	Google Drive
Drn	16/16	78,87%	Google Drive

Perkenalan

Ini adalah implementasi Pytorch (0.4.1) dari DEEPLAB-V3-PLUS. Ini dapat menggunakan Xception yang disejajarkan dan resnet sebagai tulang punggung. Saat ini, kami melatih Deeplab V3 Plus menggunakan dataset Pascal VOC 2012, SBD dan CityScapes.

Hasil

Instalasi

Kode ini diuji dengan Anaconda dan Python 3.6. Setelah memasang lingkungan Anaconda:

Kloning repo:

git clone https://github.com/jfzhang95/pytorch-deeplab-xception.git
cd pytorch-deeplab-xception

Instal dependensi:
Untuk ketergantungan Pytorch, lihat pytorch.org untuk lebih jelasnya.
Untuk dependensi khusus:
```
pip install matplotlib pillow tensorboardX tqdm
```

Pelatihan

Ikuti langkah -langkah di bawah ini untuk melatih model Anda:

Konfigurasikan jalur dataset Anda di mypath.py.

Argumen Input: (Lihat Argumen Input Lengkap melalui Python Train.py --help):

usage: train.py [-h] [--backbone {resnet,xception,drn,mobilenet}]
            [--out-stride OUT_STRIDE] [--dataset {pascal,coco,cityscapes}]
            [--use-sbd] [--workers N] [--base-size BASE_SIZE]
            [--crop-size CROP_SIZE] [--sync-bn SYNC_BN]
            [--freeze-bn FREEZE_BN] [--loss-type {ce,focal}] [--epochs N]
            [--start_epoch N] [--batch-size N] [--test-batch-size N]
            [--use-balanced-weights] [--lr LR]
            [--lr-scheduler {poly,step,cos}] [--momentum M]
            [--weight-decay M] [--nesterov] [--no-cuda]
            [--gpu-ids GPU_IDS] [--seed S] [--resume RESUME]
            [--checkname CHECKNAME] [--ft] [--eval-interval EVAL_INTERVAL]
            [--no-val]

Untuk melatih deeplabv3+ menggunakan dataset dan resnet Pascal VOC sebagai tulang punggung:
```
bash train_voc.sh
```
Untuk melatih deeplabv3+ menggunakan dataset coco dan resnet sebagai tulang punggung:
```
bash train_coco.sh
```