imgclsmob

Redes de aprendizado profundo

Este repositório é usado para pesquisar redes convolucionais principalmente para tarefas de visão computacional. Para esse fim, o repo contém (re) implementações de várias classificações, segmentação, detecção e estimativa de modelos e scripts para treinamento/avaliação/conversão.

As seguintes estruturas são usadas:

• Mxnet/gluon (info),
• Pytorch (info),
• Chainner (info),
• Keras (info),
• Tensorflow 1.x/2.x (info).

Para cada estrutura suportada, existe uma embalagem PIP contendo modelos puros sem scripts auxiliares. Lista de pacotes:

• Gluonncv2 para Gluon,
• pytorchcv para pytorch,
• ChainCV2 para Chainer,
• kerascv para keras,
• tensorflowcv para tensorflow 1.x,
• TF2CV para TensorFlow 2.x.

Atualmente, os modelos são implementados principalmente no Gluon e depois portados para outras estruturas. Alguns modelos são pré-criados no ImageNet-1K, CIFAR-10/100, SVHN, Cub-200-2011, Pascal VOC2012, Ade20K, Cityscapes e conjuntos de dados Coco. Todos os pesos pré -terem sido carregados automaticamente durante o uso. Veja exemplos desse carregamento automático de pesos nas seções correspondentes da documentação dedicada a um pacote específico:

• Modelos de gluon,
• Modelos pytorch,
• Modelos de cadeia,
• Modelos Keras,
• Modelos Tensorflow 1.x,
• Modelos TensorFlow 2.x.

Instalação

Para usar o treinamento/avaliação de scripts e todos os modelos, você precisa clonar o repositório e instalar dependências:

 git clone [email protected]:osmr/imgclsmob.git
pip install -r requirements.txt

Tabela de modelos de classificação implementados

Algumas observações:

• Repo é um repositório de autor, se existir.
• a , b , c , d e e significa a implementação de um modelo para ImageNet-1K, CIFAR-10, CIFAR-100, SVHN e CUB-200-2011, respectivamente.
• A , B , C , D e E significa ter um modelo pré-treinado para os conjuntos de dados correspondentes.

Modelo	Gluon	Pytorch	Chainner	Keras	Tf	TF2	Papel	Repo	Ano
Alexnet	UM	UM	UM	UM	UM	UM	link	link	2012
Zfnet	UM	UM	UM	UM	UM	UM	link	-	2013
VGG	UM	UM	UM	UM	UM	UM	link	-	2014
BN-VGG	UM	UM	UM	UM	UM	UM	link	-	2015
BN-CECPEÇÃO	UM	UM	UM	-	-	UM	link	-	2015
Resnet	ABCDE	ABCDE	ABCDE	UM	UM	ABCDE	link	link	2015
PreRresnet	ABCD	ABCD	ABCD	UM	UM	ABCD	link	link	2016
Resnext	ABCD	ABCD	ABCD	UM	UM	ABCD	link	link	2016
Senet	UM	UM	UM	UM	UM	UM	link	link	2017
SE-RESNET	ABCDE	ABCDE	ABCDE	UM	UM	ABCDE	link	link	2017
SE-Prereresnet	ABCD	ABCD	ABCD	UM	UM	ABCD	link	link	2017
SE-RESNEXT	UM	UM	UM	UM	UM	UM	link	link	2017
Resnest (a)	UM	UM	UM	-	-	UM	link	link	2020
Ibn-resnet	UM	UM	-	-	-	UM	link	link	2018
Ibn-resnext	UM	UM	-	-	-	UM	link	link	2018
Ibn-Densenet	UM	UM	-	-	-	UM	link	link	2018
AirNet	UM	UM	UM	-	-	UM	link	link	2018
AirNext	UM	UM	UM	-	-	UM	link	link	2018
Bam-Resnet	UM	UM	UM	-	-	UM	link	link	2018
CBAM-RESNET	UM	UM	UM	-	-	UM	link	link	2018
RESATTNET	um	um	um	-	-	-	link	link	2017
Sknet	um	um	um	-	-	-	link	link	2019
Scnet	UM	UM	UM	-	-	UM	link	link	2020
Regnet	UM	UM	UM	-	-	UM	link	link	2020
RESNET DIA	ABCD	ABCD	ABCD	-	-	-	link	link	2019
Dia-prereresnet	ABCD	ABCD	ABCD	-	-	-	link	link	2019
Piramidnet	ABCD	ABCD	ABCD	-	-	ABCD	link	link	2016
Diracnetv2	UM	UM	UM	-	-	UM	link	link	2017
SharesNet	um	um	um	-	-	-	link	link	2017
Cru-Net	UM	-	-	-	-	-	link	link	2018
Densenet	ABCD	ABCD	ABCD	UM	UM	ABCD	link	link	2016
Condensenet	UM	UM	UM	-	-	-	link	link	2017
Sparsenet	um	um	um	-	-	-	link	link	2018
PELEENET	UM	UM	UM	-	-	UM	link	link	2018
OCT-RESNET	ABCD	um	um	-	-	-	link	-	2019
Res2net	um	-	-	-	-	-	link	-	2019
Wrn	ABCD	ABCD	ABCD	-	-	um	link	link	2016
WRN-1BIT	BCD	BCD	BCD	-	-	-	link	link	2018
Drn-c	UM	UM	UM	-	-	UM	link	link	2017
Drn-d	UM	UM	UM	-	-	UM	link	link	2017
Dpn	UM	UM	UM	-	-	UM	link	link	2017
Darknet Ref	UM	UM	UM	UM	UM	UM	link	link	-
Darknet Tiny	UM	UM	UM	UM	UM	UM	link	link	-
Darknet-19	um	um	um	um	um	um	link	link	-
Darknet-53	UM	UM	UM	UM	UM	UM	link	link	2018
ChannelNet	um	um	um	-	um	-	link	link	2018
ISQRT-COV-RESNET	um	um	-	-	-	-	link	link	2017
RevNet	-	um	-	-	-	-	link	link	2017
I-Revnet	UM	UM	UM	-	-	-	link	link	2018
Bagnet	UM	UM	UM	-	-	UM	link	link	2019
Dla	UM	UM	UM	-	-	UM	link	link	2017
Msdnet	um	ab	-	-	-	-	link	link	2017
Fishnet	UM	UM	UM	-	-	-	link	link	2018
ESPNETV2	UM	UM	UM	-	-	-	link	link	2018
Dicenet	UM	UM	UM	-	-	UM	link	link	2019
Hrnet	UM	UM	UM	-	-	UM	link	link	2019
Vovnet	UM	UM	UM	-	-	UM	link	link	2019
SELECSLS	UM	UM	UM	-	-	UM	link	link	2019
Net	UM	UM	UM	-	-	UM	link	link	2019
X-Densenet	ABCD	ABCD	ABCD	-	-	-	link	link	2017
Squeezenet	UM	UM	UM	UM	UM	UM	link	link	2016
Squeezeresnet	UM	UM	UM	UM	UM	UM	link	-	2016
Squeezenext	UM	UM	UM	UM	UM	UM	link	link	2018
Shufflenet	UM	UM	UM	UM	UM	UM	link	-	2017
Shufflenetv2	UM	UM	UM	UM	UM	UM	link	-	2018
Menet	UM	UM	UM	UM	UM	UM	link	link	2018
MobileNet	Ae	Ae	Ae	UM	UM	Ae	link	link	2017
FD-MobileNet	UM	UM	UM	UM	UM	UM	link	link	2018
MobileNetv2	UM	UM	UM	UM	UM	UM	link	link	2018
MobileNetv3	UM	UM	UM	UM	-	UM	link	link	2019
IGCV3	UM	UM	UM	UM	UM	UM	link	link	2018
Ghostnet	um	um	um	-	-	um	link	link	2019
Mnasnet	UM	UM	UM	UM	UM	UM	link	-	2018
DARDOS	UM	UM	UM	-	-	-	link	link	2018
Proxylessnas	Ae	Ae	Ae	-	-	Ae	link	link	2018
FBNET-C	UM	UM	UM	-	-	UM	link	-	2018
Xception	UM	UM	UM	-	-	UM	link	link	2016
EMCCONTROV3	UM	UM	UM	-	-	UM	link	link	2015
EMCCOMPENDV4	UM	UM	UM	-	-	UM	link	link	2016
INCMECCENTESRESNETV1	UM	UM	UM	-	-	UM	link	link	2016
INCMECCENTESRESNETV2	UM	UM	UM	-	-	UM	link	link	2016
Polynet	UM	UM	UM	-	-	UM	link	link	2016
Nasnet-grande	UM	UM	UM	-	-	UM	link	link	2017
Nasnet-Mobile	UM	UM	UM	-	-	UM	link	link	2017
PnasNet-grande	UM	UM	UM	-	-	UM	link	link	2017
Spnasnet	UM	UM	UM	-	-	UM	link	link	2019
EficienteNET	UM	UM	UM	UM	-	UM	link	link	2019
Mixnet	UM	UM	UM	-	-	UM	link	link	2019
Nin	BCD	BCD	BCD	-	-	-	link	link	2013
Ror-3	BCD	BCD	BCD	-	-	-	link	-	2016
Rir	BCD	BCD	BCD	-	-	-	link	-	2016
ResdROP-RESNET	BCD	BCD	BCD	-	-	-	link	link	2016
Shake-shake-Resnet	BCD	BCD	BCD	-	-	-	link	link	2017
Shakedrop-Resnet	BCD	BCD	BCD	-	-	-	link	-	2018
Fractalnet	bc	bc	-	-	-	-	link	link	2016
Nts-net	E	E	E	-	-	-	link	link	2018

Tabela de modelos de segmentação implementados

Algumas observações:

• a/A corresponde ao Pascal VOC2012.
• b/B corresponde a Ade20K.
• c/C corresponde a paisagens da cidade.
• d/D corresponde a Coco.
• e/E corresponde a Celebamask-HQ.

Modelo	Gluon	Pytorch	Chainner	Keras	Tf	TF2	Papel	Repo	Ano
PSPNET	ABCD	ABCD	ABCD	-	-	ABCD	link	-	2016
DEEPLABV3	ABCD	ABCD	ABCD	-	-	ABCD	link	-	2017
FCN-8S (D)	ABCD	ABCD	ABCD	-	-	ABCD	link	-	2014
ICNET	C	C	C	-	-	C	link	link	2017
Sinet	C	C	C	-	-	c	link	link	2019
Bisenet	e	e	e	-	-	e	link	-	2018
Danet	C	C	C	-	-	C	link	link	2018
Scnn rápido	C	C	C	-	-	C	link	-	2019
Cgnet	c	c	c	-	-	c	link	link	2018
Dabnet	c	c	c	-	-	c	link	link	2019
FpeNet	c	c	c	-	-	c	link	-	2019
Contextnet	-	c	-	-	-	-	link	-	2018
Lednet	c	c	c	-	-	c	link	-	2019
Esnet	-	c	-	-	-	-	link	-	2019
Edanet	-	c	-	-	-	-	link	link	2018
ENET	-	c	-	-	-	-	link	-	2016
Erfnet	-	c	-	-	-	-	link	-	2017
LinkNet	-	c	-	-	-	-	link	-	2017
Segnet	-	c	-	-	-	-	link	-	2015
U-net	-	c	-	-	-	-	link	-	2015
Sqnet	-	c	-	-	-	-	link	-	2016

Tabela de modelos de detecção de objetos implementados

Algumas observações:

• a/A corresponde a Coco.

Modelo	Gluon	Pytorch	Chainner	Keras	Tf	TF2	Papel	Repo	Ano
CENTERNET	um	um	um	-	-	um	link	link	2019

Tabela de modelos de estimativa de pose humana implementados

Algumas observações:

• a/A corresponde a Coco.

Modelo	Gluon	Pytorch	Chainner	Keras	Tf	TF2	Papel	Repo	Ano
Alfapose	UM	UM	UM	-	-	UM	link	link	2016
SimplePomer	UM	UM	UM	-	-	UM	link	link	2018
SimplePomponse (móvel)	UM	UM	UM	-	-	UM	link	-	2018
Uso aberto leve	UM	UM	UM	-	-	UM	link	link	2018
Ibppose	UM	UM	UM	-	-	UM	link	link	2019

Tabela de modelos de reconhecimento automático de fala implementados

Algumas observações:

• a/A corresponde ao Librispeech.
• b/B corresponde à voz comum de Mozilla.

Modelo	Gluon	Pytorch	Chainner	Keras	Tf	TF2	Papel	Repo	Ano
Jasper DR	Ab	Ab	ab	-	-	ab	link	link	2019
Quartznet	Ab	Ab	ab	-	-	ab	link	link	2019