精华内容
下载资源
问答
  • 点击我爱计算机视觉标星,更快获取CVML新技术今天跟大家介绍一款新出的基于PyTorch语义分割开源库semseg:https://github.com/hszhao/semseg其开...

    点击我爱计算机视觉标星,更快获取CVML新技术


    今天跟大家介绍一款新出的基于PyTorch的语义分割开源库semseg

    https://github.com/hszhao/semseg

    其开发者为香港中文大学的博士生Hengshuang Zhao。

    https://hszhao.github.io/

    介绍

    semsegPyTorch实现的语义分割/场景解析开源库。 它可以方便帮助开发者用于各种语义分割数据集的训练和测试。

    该库主要使用ResNet50 / 101/152作为主干网,也可以很容易地改成其他分类网络结构。

    目前已经实现了包括PSPNet和PSANet在内的网络,其在2016年ImageNet场景解析挑战赛@ ECCV16,LSUN语义分割挑战赛2017 @ CVPR17和WAD可驾驶区域分割挑战赛2018 @ CVPR18中排名第一。 示例实验数据集包括主流的ADE20K,PASCAL VOC 2012和Cityscapes。

    ps. 该库开发者即PSPNet和PSANet算法的一作。

    亮点

    1. 同时支持多线程训练与多进程训练,并且后者非常快(该库比较重视训练)。

    2. 重新实现的算法取得更好的结果,而且代码结构清晰(说明代码质量高)。

    3. 所有初始化模型、训练得到的模型和预测的结果都能够下载(https://drive.google.com/open?id=15wx9vOM0euyizq-M1uINgN0_wjVRf9J3),方便开发者直接使用或者研究比较。

    作者推荐的软硬件环境:

    (要4到8块显卡,看来没有多卡,语义分割是玩不起了~)

    训练简单

    该库的训练非常简单,简单配置后只需要一条命令

    sh tool/train.sh ade20k pspnet50
    

    测试简单

    简单配置数据集和模型路径后,也只需要一条命令:

    sh tool/test.sh ade20k pspnet50
    


    在单幅图像上测试也很简单,示例:

    PYTHONPATH=./ python tool/demo.py --config=config/ade20k/ade20k_pspnet50.yaml --image=figure/demo/ADE_val_00001515.jpg TEST.scales '[1.0]'
    

    Performance

    在三个数据集上的结果如下:

    注意,作者列出的时间是在8个GeForce RTX 2080 Ti上训练得到的。

    感谢作者的分享~

    再发一遍地址:

    https://github.com/hszhao/semseg

    图像分割专业交流群

    关注最新语义分割、实例分割等技术,欢迎加入52CV-图像分割专业交流群,扫码添加CV君拉你入群(如果你已经加CV君为好友,请直接私信就好了,不必重复添加),

    请务必注明:分割):

    喜欢在QQ交流的童鞋可以加52CV官方QQ群:702781905

    (不会时时在线,如果没能及时通过还请见谅)


    长按关注我爱计算机视觉

    展开全文
  • 点击我爱计算机视觉标星,更快获取CVML新技术昨日,语义分割算法DFN、BiSeNet 第一作者ycszen开源了TorchSeg项目,基于PyTorch的快速模块化语义分割开源库,复现...

    点击我爱计算机视觉标星,更快获取CVML新技术


    昨日,语义分割算法DFN、BiSeNet 第一作者ycszen开源了TorchSeg项目,基于PyTorch的快速模块化语义分割开源库,复现了DFN, BiSeNet, PSPNet算法。

    该项目主要包括以下highlights:

    1.模块化设计:通过组合不同的组件,轻松构建定制的语义分割模型(这个很赞有木有~);

    2.支持分布式训练:使用multi-processing并行方法,比多线程并行方法快60%;

    3.支持多GPU训练和推断:支持不同的推断方式;

    4.提供预训练的模型并实现不同的语义分割模型。

    Benchmark

    SS:Single Scale MSF:Multi-scale + Flip

    项目地址:

    https://github.com/ycszen/TorchSeg

    欢迎大家 Star 和 Contribute!

    加入语义分割专业群

    加入52CV-语义分割专业讨论群,扫码添加52CV君(your-word)拉你入群:

    请务必注明:语义分割

    喜欢在QQ交流的童鞋,可以加52CV官方QQ群:928997753。

    (不会时时在线,如果没能及时通过验证还请见谅)

    更多技术干货,详见:

    "我爱计算机视觉"干货集锦分类汇总(2019年1月20日)


    长按关注我爱计算机视觉

    给我一个好看吧

    展开全文
  • vedaseg是基于PyTorch开源语义分割工具箱。 特征 模块化设计 我们将语义分割框架分解为不同的组件。 灵活且可扩展的设计通过结合构建Lego之类的不同模块,轻松实现自定义的语义分割项目。 支持几种流行的框架 该...
  • IntroductionMMSegmentation is an open source semantic segmentation toolbox based on PyTorch. It is a part of the OpenMMLab project.The master branch works with PyTorch 1.3 to 1.5.Major featuresUnif...

    2d4d1ed94be0c55e1b75ccb580dcd8ef.png

    68747470733a2f2f696d672e736869656c64732e696f2f62616467652f646f63732d6c61746573742d626c7565badge.svg68747470733a2f2f636f6465636f762e696f2f67682f6f70656e2d6d6d6c61622f6d6d7365676d656e746174696f6e2f6272616e63682f6d61737465722f67726170682f62616467652e73766768747470733a2f2f696d672e736869656c64732e696f2f6769746875622f6c6963656e73652f6f70656e2d6d6d6c61622f6d6d7365676d656e746174696f6e2e737667

    Introduction

    MMSegmentation is an open source semantic segmentation toolbox based on PyTorch. It is a part of the OpenMMLab project.

    The master branch works with PyTorch 1.3 to 1.5.

    seg_demo.gif

    Major features

    Unified Benchmark

    We provide a unified benchmark toolbox for various semantic segmentation methods.

    Modular Design

    We decompose the semantic segmentation framework into different components and one can easily construct a customized semantic segmentation framework by combining different modules.

    Support of multiple methods out of box

    The toolbox directly supports popular and contemporary semantic segmentation frameworks, e.g. PSPNet, DeepLabV3, PSANet, DeepLabV3+, etc.

    High efficiency

    The training speed is faster than or comparable to other codebases.

    License

    This project is released under the Apache 2.0 license.

    Benchmark and model zoo

    Results and models are available in the model zoo.

    Supported backbones:

    ResNet

    ResNeXt

    HRNet

    Supported methods:

    Installation

    Please refer to INSTALL.md for installation and dataset preparation.

    Get Started

    Please see getting_started.md for the basic usage of MMSegmentation. There are also tutorials for adding new dataset, designing data pipeline, and adding new modules.

    A Colab tutorial is also provided. You may preview the notebook here or directly run on Colab.

    Contributing

    We appreciate all contributions to improve MMSegmentation. Please refer to CONTRIBUTING.md for the contributing guideline.

    Acknowledgement

    MMSegmentation is an open source project that welcome any contribution and feedback. We wish that the toolbox and benchmark could serve the growing research community by providing a flexible as well as standardized toolkit to reimplement existing methods and develop their own new semantic segmentation methods.

    Many thanks to Ruobing Han (@drcut), Xiaoming Ma(@aishangmaxiaoming), Shiguang Wang (@sunnyxiaohu) for deployment support.

    Citation

    If you use this toolbox or benchmark in your research, please cite this project.

    @misc{mmseg2020,

    author={Xu, Jiarui and Chen, Kai and Lin, Dahua},

    title={{MMSegmenation}},

    howpublished={\url{https://github.com/open-mmlab/mmsegmentation}},

    year={2020}

    }

    Contact

    This repo is currently maintained by Jiarui Xu (@xvjiarui), Kai Chen (@hellock).

    展开全文
  • 用于纯Pytorch语义分割的Criss-Cross Attention(2d&3d),具有更快,更精确的实现方式。 更新 **** 2021/03:纯pytorch实现3D CCNET模块的三种被释放 。 您可以在和检查其正确性 介绍 我非正式地重新实现了纯...
  • ADE20K是PyTorch中MIT ADE20K数据集上最大的开源语义分割。这是MIT ADE20K场景解析数据集(http://sceneparsing.csail.mit.edu/)上语义分割模型的PyTorch实现。 ADE20K是由MIT计算机视觉团队发布的最大的用于语义...
  • Bonnet:机器人技术中语义分割开源培训和部署框架。 作者: @波恩大学。 (对于新的Pytorch版本,请) 对城市景观的理解。 人员细分 作物与杂草语义分割。 描述 该代码提供了一个框架,可以轻松添加架构和...
  • Pytorch中实现AutoDeeplab / auto-deeplab / Hierarchical Neural Architecture Search
  • 语义分割标注工具箱

    千次阅读 2020-03-11 20:28:43
    vedaseg是一个基于PyTorch开源语义分割工具箱: https://github.com/Media-Smart/vedaseg Labelme: https://github.com/wkentaro/labelme 知乎汇总: https://www.zhihu.com/question/30626971 ...

    语义分割标注工具箱

    vedaseg是一个基于PyTorch的开源语义分割工具箱:
    https://github.com/Media-Smart/vedaseg
    Labelme:
    https://github.com/wkentaro/labelme

    知乎汇总:
    https://www.zhihu.com/question/30626971

    像素级标注:
    1、交互式标注 Fast Interactive Object Annotation with Curve-GCN
    paper:http://openaccess.thecvf.com/content_CVPR_2019/papers/Ling_Fast_Interactive_Object_Annotation_With_Curve-GCN_CVPR_2019_paper.pdf
    code:https://github.com/fidler-lab/curve-gcn
    但代码并没有公开!

    3、CVAT

    code:https://github.com/opencv/cvat
    在这里插入图片描述

    4、PixelAnnotationTool:
    code:https://github.com/abreheret/PixelAnnotationTool
    图像语义分割与实例分割标注神器,交互式标注算法思想是基于OpenCV中分水岭算法实现。支持,可以直接下载编译好的二进制文件使用,下载地址如下:

    https://github.com/abreheret/PixelAnnotationTool/releases
    在这里插入图片描述
    在这里插入图片描述
    5 ScribbleSup(2016)
    ScribbleSup: Scribble-Supervised Convolutional Networks for Semantic Segmentation
    paper:https://arxiv.org/pdf/1604.05144.pdf

    在这里插入图片描述
    6、Weakly- and Semi-Supervised Panoptic Segmentation
    paper:https://arxiv.org/pdf/1808.03575.pdf
    在这里插入图片描述

    7、Polygon-RNN++(tensorflow-gpu)交互式标注
    code:https://github.com/fidler-lab/polyrnn-pp

    8、semantic-segmentation-editor
    code:http://www.github.com/Hitachi-Automotive-And-Industry-Lab/semantic-segmentation-editor
    在这里插入图片描述

    labelImgPlus
    code:https://github.com/lzx1413/labelImgPlus

    coco-annotator

    展开全文
  • 语义分割

    2020-12-02 07:32:52
    <div><p>对于unet网络,是否有必要在encoder的最后一层使用grad-cam,这样会对分割结果有帮助吗?</p><p>该提问来源于开源项目:yizt/Grad-CAM.pytorch</p></div>
  • 语义分割数据增强python代码 0. 先放github开源项目链接 https://github.com/gengyanlei/segmentation_pytorch 包含网络:deeplab_v3、deeplab_v3+、unet、pspnet、HF_FCN、U^2Net。。。不...
  • DeepLab v3 2017 CVPR Rethinking Atrous Convolution for Semantic Image ...❤ fregu856/deeplabv3 :PyTorch implementation of DeepLabV3, trained on the Cityscapes dataset. 官方开源 |Tensorflow Int...
  • 本文的分割模型架构使用简单的U-Net结构,代码结构参考了qubvel segmentation中的U-Net部分,该项目简称SMP,是基于pytorch实现的开源语义分割项目。本文分享的c++模型几乎完美复现了python的版本。 模型简介 简单...
  • Semantic Segmentation PyTorch#PyTorch上最好的语义分割工具包本项目是由 MIT CSAIL 实验室开源PyTorch 语义分割工具包,其中包含多种网络的实现和预训练模型。自带多卡同步 bn,能复现在 MIT ADE20K 上 SOTA 的...
  • MMSegmentation是基于PyTorch开源语义分割工具箱。 文档:https://mmsegmentation.readthedocs.io/简介MMSegmentation是一个基于PyTorch开源语义分段工具箱。 它是OpenMMLab项目的一部分。 master分支与PyTorch ...
  • PKUSeg是基于PyTorch开源语义分割工具箱,由北京大学EECS维护。 维护人员全部来自机器感知关键实验室(MOE)。 主要特点 模块化设计,易于使用和部署我们开发此工具的目的在于简化实验和部署。 各种语义分割模型...
  • MMSegmentation是基于PyTorch开源语义分割工具箱。它是OpenMMLab项目的一部分。 master分支可与PyTorch 1.3+一起使用。 主要特点 统一基准 我们为各种语义分割方法提供了一个统一的基准测试工具箱。 模块化设计 ...
  • 目录说明配置环境此节说明代码 ...此节功能为:语义分割和数据集 由于此节相对复杂,代码注释量较多 代码 # 本书链接https://tangshusen.me/Dive-into-DL-PyTorch/#/ # 锚框 # 注释:黄文俊 # E-ma
  • 深度学习论文和开源代码

    千次阅读 2017-08-12 10:30:55
    语义分割: Awesome Semantic Segmentation https://github.com/mrgloom/awesome-semantic-segmentation Semantic Segmentation Algorithms Implemented in PyTorch ...
  • 在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考。...这是 PaperDaily 的第 61 篇文章Semantic Segmentation PyTorch#PyTorch上最好的语义分割工具包本项目是由 MIT CSAIL 实验室
  • mmsegmentation-源码

    2021-04-04 15:06:07
    MMSegmentation是基于PyTorch开源语义分割工具箱。 它是OpenMMLab项目的一部分。 master分支可与PyTorch 1.3至1.6一起使用。 主要特点 统一基准 我们为各种语义分割方法提供了一个统一的基准测试工具箱。 模块化...
  • mmseg_road-源码

    2021-03-31 01:47:05
    MMSegmentation是基于PyTorch开源语义分割工具箱。 它是OpenMMLab项目的一部分。 master分支可与PyTorch 1.3+一起使用。 主要特点 统一基准 我们为各种语义分割方法提供了一个统一的基准测试工具箱。 模块化设计...
  • 内置支持使用PyTorch进行芯片分类,对象检测和后端语义分割。 可以在内置支持使用在云中运行的CPU和GPU上执行实验。 该框架可扩展到新的数据源,任务(例如实例分段),后端(例如Detectron2)和云提供商。 有关...
  • mmsegmention介绍(一)

    2021-01-31 21:32:02
    MMSegmentation是一个基于PyTorch开源语义分割工具箱。它是OpenMMLab项目的一部分。 文章总结于2021.01.18 支持后端: ResNet ResNeXt HRNet ResNeSt MobileNetV2 MobileNetV3 支持的方法: FCN ...
  • C++调用caffe分类模型-Opencv3.4.3

    千次阅读 2018-12-26 09:41:50
    opencv是图像领域中非常优秀的一个开源库,近年来,随着深度学习的发展,深度在图像识别、物体检测、语义分割等领域已经达到落地的程度。opencv开源库也一直在支持各种分类、检测model的调用,虽然还不够全面。。。...
  • mmsegmentation 训练自己的数据集

    千次阅读 2020-09-24 17:04:49
    MMSegmentation是一个基于PyTorch开源语义分割工具箱。它是OpenMMLab项目的一部分。 github仓库:https://github.com/open-mmlab/mmsegmentation 官方说明文档:https://mmsegmentation.readthedocs.io/ 配置 ...
  • 项目代码基于Pytorch,但尚未开源 背景 最近的研究表明结合上下文特征能够显著的提升深度语义分割模型性能。这些模型的差异仅仅在于在实际中它们构造上下文特征的方式不同。这篇文章首先介绍了语义分割任务中上...

空空如也

空空如也

1 2 3
收藏数 45
精华内容 18
关键字:

pytorch语义分割开源