本文详细介绍了如何在MXNet中实现FCIS(Fully Convolutional Instance-aware Semantic Segmentation)算法，包括从拉取项目、运行demo到训练模型的完整过程。首先，通过运行init.sh初始化项目，接着将operator_cxx复制到MXNet目录并重新编译。然后，下载预训练模型和所需数据集，如VOC 2012和COCO，并安装必要的Python库。训练模型时，使用fcis_end2end_train_test.py脚本，根据配置文件调整数据路径和预训练模型路径。
论文：Fully Convolutional Instance-aware Semantic Segmentation
github地址：https://github.com/msracver/FCIS
FCIS(Fully Convolutional Instance-aware Semantic Segmentation)算法是COCO2016分割的冠军，接下来是自己记录的跑该算法demo和训练模型的过程。
1、拉取项目
git clone https://github.com/msracver/FCIS2、运行demo
2.1、在项目根目录下运行init.sh：
sh init.sh这个命令主要是编译cython和生成一些文件夹
2.2、把该项目的operator_cxx文件夹copy到mxnet项目下：
cp -r ${YOUT_FCIS_ROOT}/fcis/operator_cxx/* ${YOUR_MXNET_ROOT}/src/operator/contrib/注：如果你的电脑还没有mxnet项目，那么应先拉取mxnet项目（切换分支和submodule两步我是做了）再执行前面的cp操作：
git clone --recursive https://github.com/dmlc/mxnet.git
gi
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
