pytorch deeplab xception ดาวน์โหลด - pytorch deeplab xception ซอร์สโค้ดดาวน์โหลดดาวน์โหลด

pytorch deeplab xception

หลาม

1.0.0

ดาวน์โหลด

Pytorch-deeplab-xception

อัปเดตเมื่อ 2018/12/06 ให้แบบจำลองที่ผ่านการฝึกอบรมเกี่ยวกับชุดข้อมูล VOC และ SBD

อัปเดตเมื่อปี 2018/11/24 เปิดตัวรหัสเวอร์ชันใหม่ล่าสุดซึ่งแก้ไขปัญหาก่อนหน้านี้และเพิ่มการสนับสนุนสำหรับการฝึกอบรมแบ็คโบนใหม่และการฝึกอบรมหลาย GPU สำหรับรหัสก่อนหน้าโปรดดูในสาขา previous

สิ่งที่ต้องทำ

รองรับกระดูกสันหลังที่แตกต่างกัน
รองรับ VOC, SBD, CityScapes และ Coco DataSt
การฝึกอบรมหลาย GPU

กระดูกสันหลัง	รถไฟ/ระบบปฏิบัติการ	miou ในวาล	แบบจำลอง
resnet	16/16	78.43%	Google Drive
Mobilenet	16/16	70.81%	Google Drive
DRN	16/16	78.87%	Google Drive

การแนะนำ

นี่คือการใช้งาน Pytorch (0.4.1) ของ Deeplab-V3-Plus มันสามารถใช้ Xception ที่ได้รับการปรับแต่งและ resnet เป็น backbone ปัจจุบันเราฝึกอบรม Deeplab V3 Plus โดยใช้ชุดข้อมูล Pascal VOC 2012, SBD และ CityScapes

ผลลัพธ์

การติดตั้ง

รหัสถูกทดสอบด้วย Anaconda และ Python 3.6 หลังจากติดตั้งสภาพแวดล้อม Anaconda:

โคลน repo:

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

ติดตั้งการพึ่งพา:
สำหรับการพึ่งพา pytorch ดู pytorch.org สำหรับรายละเอียดเพิ่มเติม
สำหรับการพึ่งพาที่กำหนดเอง:
```
pip install matplotlib pillow tensorboardX tqdm
```

การฝึกอบรม

ทำตามขั้นตอนด้านล่างเพื่อฝึกอบรมรุ่นของคุณ:

กำหนดค่าพา ธ ชุดข้อมูลของคุณใน myPath.py

อาร์กิวเมนต์อินพุต: (ดูอาร์กิวเมนต์อินพุตแบบเต็มผ่าน 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]

ในการฝึกอบรม DeeplAbv3+ โดยใช้ชุดข้อมูล Pascal VOC และ resnet เป็น backbone:
```
bash train_voc.sh
```
ในการฝึกอบรม deeplabv3+ โดยใช้ชุดข้อมูล Coco และ resnet เป็น backbone:
```
bash train_coco.sh
```