Efficient Segmentation Networks

高效細分網絡

該項目旨在為使用Pytorch的實時語義分割模型提供易於使用的可修改參考實現。

---

目錄：

• 要求
• 型號
• 數據集設置
• 用法
• 接觸

要求

在運行腳本之前，需要安裝Pytorch和Torchvision ，支持Pytorch V1.1或更高版本。

pip3 install -r requirements.txt

型號

該項目支持這些語義分割模型如下：

• （ SQNET ）加快語義細分以進行自動駕駛[紙]
• （ linknet ）利用編碼器表示以進行有效的語義分割[紙]
• （ Segnet ）圖像分割的深卷積編碼器架構[紙]
• （ UNET ）生物醫學圖像分割的捲積網絡[紙]
• （ ENET ）實時語義分割的深神網絡體系結構[論文]
• （ ERFNET ）實時語義分割的有效轉向[紙]
• （ Edanet ）實時分割的不對稱卷積的有效緻密模塊[紙]
• （ ESPNET ）擴張卷積的有效空間金字塔用於語義分割[紙]
• （ ESPNETV2 ）輕巧，電力效率和通用頻道[紙]
• （ LEDNET ）實時語義分割的輕量級編碼器網絡[Paper]
• （ FSSNET ）場景感知的快速語義細分[紙]
• （ ESNET ）一個用於實時語義分割的有效對稱網絡[紙]
• （ CGNET ）一個輕巧的上下文指導網絡，用於語義分割[論文]
• （快速掃描）快速語義分割網絡[紙]
• （ dabnet ）深度不對稱瓶頸，用於實時語義分割[紙]
• （上下文網）實時探索語義細分的上下文和細節[論文]
• （ FPENET ）特徵金字塔編碼網絡，用於實時語義分割[Paper]
• ...

損失

該項目支持這些損失功能：

1. 加權交叉熵
2. 加權交叉熵，標籤光滑
3. 局部損失
4. OHEM交叉熵
5. lovaszsoftmax
6. Segloss列表
7. ...

優化器

該項目支持這些優化器：

1. SGD
2. 亞當
3. adamw
4. radam
5. radam + lookahead
6. ...

啟用設定

1. relu
2. prelu
3. relu6
4. 轉
5. Mish：自我正規化的非單調神經激活功能
6. ...

學習率調度程序

該項目支持這些LR_SCHEDULERS：

1. 多衰變
2. 熱身poly
3. ...

歸一化方法

1. 現場激活的batchnorm
2. 可切換歸一化
3. 體重標準化
4. ...

增強語義功能學習方法

1. 注意家庭
2. NAS家族
3. ...

一些有用的工具

1. Pytorch-Opcounter
2. flops-counter.pytorch
3. Netron：神經網絡模型的可視化器，在線URL：Netron
4. falshtorch：Pytorch神經網絡的可視化工具包！
5. 與卷積神經網絡的圖像分類的技巧袋
6. ...

數據集設置

該項目是針對CityScapes和Camvid數據集進行了量身定制的。數據集的折疊需要滿足以下結構：

 |-- dataset
|  |-- camvid
|  |  |-- train
|  |  |-- trainannot
|  |  |-- val
|  |  |-- valannot
|  |  |-- test
|  |  |-- testannot
|  |  |-- ...
|  |-- cityscapes
|  |  |-- leftImg8bit
|  |  |  |-- train
|  |  |  |-- val
|  |  |  |-- test
|  |  |-- gtFine
|  |  |  |-- train
|  |  |  |-- val
|  |  |  |-- test
|  |  |-- ...

• 您可以從這裡下載CityScapes數據集。注意：請下載Leftimg8bit_trainvaltest.zip（11GB）和gtfine_trainvaltest（241MB）。
• 您可以從此處下載Camvid數據集。
• 可以從此處下載CityScapes數據集腳本以進行檢查，準備和評估。

用法

克隆這個倉庫

 git clone https://github.com/xiaoyufenfei/Efficient-Segmentation-Networks
cd Efficient-Segmentation-Networks

目前，代碼支持Python 3

火炬依賴性：

• pytorch（> = 1.1.0）
• 火炬（> = 0.3.0）

數據依賴性：

• CityScapes +腳本

下載CityScapes並運行腳本createTrainIdLabelImgs.py以根據培訓標籤創建註釋。確保文件夾命名為CityScapes

訓練

• 對於城市景觀 / camvid

1. 火車訓練

 python train.py  --help

2. 在火車+瓦爾套裝上培訓

 python train.py --help

測試

• 對於城市景觀 / camvid

 python test.py --help

預測

• 對於城市景觀

 python predict.py --help

評估

• 對於城市景觀

 cd tools
python trainID2labelID.py 

接觸

如果您認為這項工作有用，請給我一顆星星！如果您發現任何錯誤或有任何建議，請與我聯繫。

github： xiaoyufenfei電子郵件： [email protected]

參考此代表

如果這項工作有助於您的研究，則鼓勵您引用以下論文。

@misc{Efficient-Segmentation-Networks,
  author = {Yu Wang},
  title = {Efficient-Segmentation-Networks Pytorch Implementation},
  year = {2019},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = { u rl{https://github.com/xiaoyufenfei/Efficient-Segmentation-Networks}},
  commit = {master}
}

執照

該項目根據麻省理工學院許可發布。有關其他詳細信息，請參見許可證。