pytorch semantic segmentation

Pytorch для семантической сегментации

Этот репозиторий содержит некоторые модели для семантической сегментации и конвейер моделей обучения и тестирования, реализованных в Pytorch

Модели

1. Vanilla FCN: FCN32, FCN16, FCN8, в версиях VGG, RESNET и DENSENET соответственно (полностью сверточные сети для семантической сегментации)
2. U-Net (U-Net: сверточные сети для биомедицинской сегментации изображений)
3. Segnet (Segnet: глубокая сверточная архитектура энкодера-декодера для сегментации изображения)
4. PSPNet (сеть синтаксического анализа пирамиды)
5. GCN (большое ядро имеет значение)
6. DUC, HDC (понимание свертки для семантической сегментации)

Требование

1. Pytorch 0,2,0
2. Tensorboard для Pytorch. Здесь, чтобы установить
3. Некоторые другие библиотеки (найдите то, что вы упускаете при запуске Code:-P)

Подготовка

1. Перейдите в каталог моделей и установите путь предварительных моделей в config.py
2. Перейдите в каталог Datazets и выполняйте после Readme

Тодо

1. Deeplab v3
2. RefineNet
3. Больше набора данных (например, ADE)