awesome semantic segmentation pytorch

Pytorch의 시맨틱 세분화

영어 | 简体中文

이 프로젝트는 Pytorch를 사용하여 의미 론적 세분화 모델에 대한 간결하고 사용하기 쉬운 수정 가능한 참조 구현을 제공하는 것을 목표로합니다.

설치

 # semantic-segmentation-pytorch dependencies
pip install ninja tqdm

# follow PyTorch installation in https://pytorch.org/get-started/locally/
conda install pytorch torchvision -c pytorch

# install PyTorch Segmentation
git clone https://github.com/Tramac/awesome-semantic-segmentation-pytorch.git

용법

기차

---

• 단일 GPU 교육

 # for example, train fcn32_vgg16_pascal_voc:
python train.py --model fcn32s --backbone vgg16 --dataset pascal_voc --lr 0.0001 --epochs 50

• 멀티 GPU 교육

 # for example, train fcn32_vgg16_pascal_voc with 4 GPUs:
export NGPUS=4
python -m torch.distributed.launch --nproc_per_node=$NGPUS train.py --model fcn32s --backbone vgg16 --dataset pascal_voc --lr 0.0001 --epochs 50

평가

---

• 단일 GPU 평가

 # for example, evaluate fcn32_vgg16_pascal_voc
python eval.py --model fcn32s --backbone vgg16 --dataset pascal_voc

• 멀티 GPU 평가

 # for example, evaluate fcn32_vgg16_pascal_voc with 4 GPUs:
export NGPUS=4
python -m torch.distributed.launch --nproc_per_node=$NGPUS eval.py --model fcn32s --backbone vgg16 --dataset pascal_voc

데모

 cd ./scripts
#for new users:
python demo.py --model fcn32s_vgg16_voc --input-pic ../tests/test_img.jpg
#you should add 'test.jpg' by yourself
python demo.py --model fcn32s_vgg16_voc --input-pic ../datasets/test.jpg

 .{SEG_ROOT}
├── scripts
│   ├── demo.py
│   ├── eval.py
│   └── train.py

지원하다

모델

• FCN
• Enet
• pspnet
• ICNET
• deeplabv3
• deeplabv3+
• Denseaspp
• ENCNET
• 비 세넷
• psanet
• Danet
• OCNET
• cgnet
• ESPNETV2
• Dunet (Dupsampling)
• FASTFCN (JPU)
• LEDNET
• 빠른 SCNN
• Lightseg
• dfanet

모델 및 백본에 대한 세부 사항.

 .{SEG_ROOT}
├── core
│   ├── models
│   │   ├── bisenet.py
│   │   ├── danet.py
│   │   ├── deeplabv3.py
│   │   ├── deeplabv3+.py
│   │   ├── denseaspp.py
│   │   ├── dunet.py
│   │   ├── encnet.py
│   │   ├── fcn.py
│   │   ├── pspnet.py
│   │   ├── icnet.py
│   │   ├── enet.py
│   │   ├── ocnet.py
│   │   ├── psanet.py
│   │   ├── cgnet.py
│   │   ├── espnet.py
│   │   ├── lednet.py
│   │   ├── dfanet.py
│   │   ├── ......

데이터 세트

스크립트를 실행하여 다음과 같은 데이터 세트를 다운로드 할 수 있습니다.

 cd ./core/data/downloader
python ade20k.py --download-dir ../datasets/ade

데이터 세트	훈련 세트	유효성 검사 세트	테스트 세트
VOC2012	1464	1449	✘
vocaug	11355	2857	✘
ADK20K	20210	2000	✘
도시 스케이프	2975	500	✘
머리
SBU-Shadow	4085	638	✘
입술 (사람을보고)	30462	10000	10000

 .{SEG_ROOT}
├── core
│   ├── data
│   │   ├── dataloader
│   │   │   ├── ade.py
│   │   │   ├── cityscapes.py
│   │   │   ├── mscoco.py
│   │   │   ├── pascal_aug.py
│   │   │   ├── pascal_voc.py
│   │   │   ├── sbu_shadow.py
│   │   └── downloader
│   │       ├── ade20k.py
│   │       ├── cityscapes.py
│   │       ├── mscoco.py
│   │       ├── pascal_voc.py
│   │       └── sbu_shadow.py

결과

• 파스칼 VOC 2012

행동 양식	등뼈	기차 세트	Evalset	crops_size	에포크	JPU	IOU를 의미합니다	pixacc
FCN32S	vgg16	기차	발	480	60	✘	47.50	85.39
FCN16S	vgg16	기차	발	480	60	✘	49.16	85.98
fcn8s	vgg16	기차	발	480	60	✘	48.87	85.02
FCN32S	RESNET50	기차	발	480	50	✘	54.60	88.57
pspnet	RESNET50	기차	발	480	60	✘	63.44	89.78
deeplabv3	RESNET50	기차	발	480	60	✘	60.15	88.36

참고 : lr=1e-4, batch_size=4, epochs=80 .

지나치게 적합 테스트

자세한 내용은 테스트를 참조하십시오.

 .{SEG_ROOT}
├── tests
│   └── test_model.py

할 일

• 기차 스크립트를 추가하십시오
• syncbn을 제거하십시오
• 훈련 및 평가
• 분산 교육 테스트
• syncbn 수정 (왜 syncbn?)
• 분산 추가 (어떻게 멀리?)

참조

• Pytorch-Encoding
• Maskrcnn-Benchmark
• 글로운 -CV
• imagenet