CascadePSP

cascadepsp：通過全球和局部改進邁向類不足和非常高分辨率的細分

Ho Kei Cheng*，Jihoon Chung*，Yu-Wing Tai，Chi-Keung Tang

[arxiv] [PDF]

[補充信息（包括與登錄的比較！）]

[補充圖像結果]

介紹

Cascadepsp是一種深入學習模型，用於高分辨率分割細化。該存儲庫包含我們的Pytorch實施，並具有培訓和測試功能。我們還提供了帶註釋的UHD數據集和驗證的模型。

以下是高分辨率圖像的一些完善結果。

快速開始

在Pytorch 1.0上進行了測試 - 儘管更高版本也可能用於推斷。

查看此文件夾。我們已經建立了一個可以使用兩行代碼來完善輸入圖像的PIP軟件包。

安裝

pip install segmentation-refinement

代碼演示：

 import cv2
import time
import matplotlib . pyplot as plt
import segmentation_refinement as refine
image = cv2 . imread ( 'test/aeroplane.jpg' )
mask = cv2 . imread ( 'test/aeroplane.png' , cv2 . IMREAD_GRAYSCALE )

# model_path can also be specified here
# This step takes some time to load the model
refiner = refine . Refiner ( device = 'cuda:0' ) # device can also be 'cpu'

# Fast - Global step only.
# Smaller L -> Less memory usage; faster in fast mode.
output = refiner . refine ( image , mask , fast = False , L = 900 ) 

# this line to save output
cv2 . imwrite ( 'output.png' , output )

plt . imshow ( output )
plt . show ()

網絡概述

全球步驟和本地步驟

全球步驟	本地步驟

改進模塊

目錄

跑步：

• 安裝
• 訓練
• 語義細分測試
• 在現場解析測試

下載：

• 預驗證的模型
• 大數據集和重新標記的Pascal VOC 2012

更多結果

完善人的面具360萬

圖像	原始面具	精製面具

第一行是故障情況（請參閱頸部）。

信用

PSPNET實現：https：//github.com/lextal/pspnet-pytorch

Syncbn實施：https：//github.com/vacancy/synchronized-batchnorm-pytorch

如果您發現我們的工作對您的研究有用，請引用以下內容：

 @inproceedings { cheng2020cascadepsp ,
  title = { {CascadePSP}: Toward Class-Agnostic and Very High-Resolution Segmentation via Global and Local Refinement } ,
  author = { Cheng, Ho Kei and Chung, Jihoon and Tai, Yu-Wing and Tang, Chi-Keung } ,
  booktitle = { CVPR } ,
  year = { 2020 }
}