Efficient Segmentation Networks

効率的なセグメンテーションネットワーク

このプロジェクトの目的は、Pytorchを使用したリアルタイムセマンティックセグメンテーションモデルの使いやすく修正可能な参照実装を提供することを目的としています。

---

目次：

• 要件
• モデル
• データセット設定
• 使用法
• 接触

要件

PytorchとTorchvisionは、スクリプトを実行する前にインストールする必要があります。PytorchV1.1以降はサポートされています。

pip3 install -r requirements.txt

モデル

このプロジェクトは、これらのセマンティックセグメンテーションモデルを次のようにサポートしています。

• （ SQNET ）自律運転のセマンティックセグメンテーションの高速化[紙]
• （ linknet ）効率的なセマンティックセグメンテーションのためのエンコーダー表現の悪用[Paper]
• （ segnet ）画像セグメンテーションのための深い畳み込みエンコーダデコーダーアーキテクチャ[紙]
• （ UNET ）生物医学的画像セグメンテーションのための畳み込みネットワーク[論文]
• （ ENET ）リアルタイムのセマンティックセグメンテーションのための深いニューラルネットワークアーキテクチャ[Paper]
• （ erfnet ）リアルタイムセマンティックセグメンテーションのための効率的なコンベネット[紙]
• （ Edanet ）リアルタイムセグメンテーションのための非対称畳み込みの効率的な密なモジュール[論文]
• （ ESPNET ）セマンティックセグメンテーションのための拡張された畳み込みの効率的な空間ピラミッド[紙]
• （ ESPNETV2 ）軽量、電力効率、および汎用条約[紙]
• （ LEDNET ）リアルタイムのセマンティックセグメンテーション用の軽量エンコーダデコーダーネットワーク[Paper]
• （ FSSNET ）シーン認識のための高速セマンティックセグメンテーション[Paper]
• （ ESNET ）リアルタイムセマンティックセグメンテーションのための効率的な対称ネットワーク[Paper]
• （ CGNET ）セマンティックセグメンテーション用の軽量コンテキストガイド付きネットワーク[Paper]
• （高速SCNN ）高速セマンティックセグメンテーションネットワーク[Paper]
• （ dabnet ）リアルタイムセマンティックセグメンテーション用の深さの非対称ボトルネック[紙]
• （ ContextNet ）リアルタイムでのセマンティックセグメンテーションのコンテキストと詳細の調査[Paper]
• （ fpenet ）リアルタイムのセマンティックセグメンテーション用のピラミッドエンコードネットワークを特徴としています[紙]
• ...

損失

このプロジェクトは、これらの損失関数をサポートしています。

1. 加重クロスエントロピー
2. ラベルを滑らかにした加重クロスエントロピー
3. 焦点損失
4. Ohem Crossエントロピー
5. lovaszsoftmax
6. セグロスリスト
7. ...

オプティマイザー

このプロジェクトは、これらのオプティマイザーをサポートしています。

1. SGD
2. アダム
3. アダム
4. ラダム
5. ラダム + lookahead
6. ...

アクティベーション

1. relu
2. PRELU
3. relu6
4. スウィッシュ
5. ミッシュ：自己正規化された非モノトニック神経活性化関数
6. ...

学習率スケジューラ

このプロジェクトは、これらのlr_schedulersをサポートしています。

1. ポリ減衰
2. ウォームアップポリ
3. ...

正規化方法

1. インプレースアクティブ化されたBatchNorm
2. 切り替え可能な正規化
3. 重量標準化
4. ...

セマンティック機能学習方法の強化

1. 注意ファミリー
2. Nasファミリー
3. ...

いくつかの便利なツール

1. pytorch-opcounter
2. flops-counter.pytorch
3. Netron：ニューラルネットワークモデル用のVisualizer、オンラインURL：Netron
4. Falshtorch：Pytorchのニューラルネットワーク用の視覚化ツールキット！
5. 畳み込みニューラルネットワークを使用した画像分類のためのトリックの袋
6. ...

データセットセッティング

このプロジェクトは、CityscapesとCamvidデータセットに合わせて調整されています。データセットの折り畳みは、次の構造を満たす必要があります。

 |-- dataset
|  |-- camvid
|  |  |-- train
|  |  |-- trainannot
|  |  |-- val
|  |  |-- valannot
|  |  |-- test
|  |  |-- testannot
|  |  |-- ...
|  |-- cityscapes
|  |  |-- leftImg8bit
|  |  |  |-- train
|  |  |  |-- val
|  |  |  |-- test
|  |  |-- gtFine
|  |  |  |-- train
|  |  |  |-- val
|  |  |  |-- test
|  |  |-- ...

• ここからCityscapesデータセットをダウンロードできます。注：reptimg8bit_trainvaltest.zip（11gb）およびgtfine_trainvaltest（241mb）をダウンロードしてください。
• ここからCamVidデータセットをダウンロードできます。
• 検査、準備、評価のためのCityscapesデータセットスクリプトは、ここからダウンロードできます。

使用法

このレポをクローンします

 git clone https://github.com/xiaoyufenfei/Efficient-Segmentation-Networks
cd Efficient-Segmentation-Networks

現在、コードはPython 3をサポートしています

トーチの依存関係：

• Pytorch（> = 1.1.0）
• TorchVision（> = 0.3.0）

データの依存関係：

• Cityscapes +スクリプト

Cityscapesをダウンロードして、スクリプトcreateTrainIdLabelImgs.pyを実行して、トレーニングラベルに基づいて注釈を作成します。フォルダーの名前がcityscapesという名前であることを確認してください

トレーニング

• Cityscapes / camvid用

1. 電車セットでのトレーニング

 python train.py  --help

2. 列車+バルセットでのトレーニング

 python train.py --help

テスト

• Cityscapes / camvid用

 python test.py --help

予測

• 街並みのために

 python predict.py --help

評価

• 街並みのために

 cd tools
python trainID2labelID.py 

接触

この作品が役立つと思われる場合は、星をください！また、エラーが見つかったり、提案がある場合は、ご連絡ください。

github： xiaoyufenfeiメール： [email protected]

この担当者を参照してください

この作業があなたの研究に役立つ場合、次の論文を引用することをお勧めします。

@misc{Efficient-Segmentation-Networks,
  author = {Yu Wang},
  title = {Efficient-Segmentation-Networks Pytorch Implementation},
  year = {2019},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = { u rl{https://github.com/xiaoyufenfei/Efficient-Segmentation-Networks}},
  commit = {master}
}

ライセンス

このプロジェクトは、MITライセンスの下でリリースされます。詳細については、ライセンスを参照してください。