深度学习AI美颜系列---Semantic Segmentation Suite图像分割开源工程

Semantic Segmentation Suite

Github上的开源工程Semantic Segmentation Suite(语义分割套件),由来自美国建筑智能服务公司的机器学习工程师George Seif创建,使用Tensorflow实现了大量最新的语义分割算法,最近,该开源库新加入了CVPR2018最新公开的Dense Decoder Shortcut Connections模型与DenseASPP模型,和ECCV2018旷视科技新提出的实时语义分割算法BiSeNet!
这种紧跟前沿的开源库,正是52CV君要大力推广的!

Semantic Segmentation Suite的目标是希望人们借助它可以轻松实现代码、训练、测试最新的语义分割算法。

目前的主要功能有:
1)训练和测试模式;
2)数据增广;
3)内含几个最新的state-of-the-art语义分割模型,并且这些模型可以非常容易地做到即插即用;
4)可以方便对接目前主流的任何语义分割数据集;
5)评估准则包含:precision, recall, f1 score, average accuracy, per-class accuracy, and mean IoU;
6)在训练时按照epoch绘制损失函数loss和精度;

当前支持的特征提取模型:
MobileNetV2, ResNet50/101/152 与 InceptionV4。

当前支持的语义分割算法:
1)SegNet,arXiv2015;
2)SegNet with skip connections,PAMI2017;
3)MobileNet-UNet,arXiv2017;
4)PSPNet,CVPR2017;
5)FC-DenseNet,CVPR2017;
6)DeepLabV3,axXiv2017;
7)RefineNet,CVPR2017;
8)Full-Resolution Residual Networks(FRRN),CVPR2017;
9)Global Convolutional Network with Large Kernel,CVPR2017;
10)AdapNet,ICRA2017;
11)ICNet,ECCV2018;
12)DeepLabV3+,ECCV2018;
13)DenseASPP,CVPR2018;
14)Dense Decoder Shorcut Connections,CVPR2018;
15)BiSeNet,ECCV2018;
全是最近两年出现的state-of-the-art!

该库已经内置了语义分割训练、测试、预测的示例代码:

下面是使用FC-DenseNet103模型在CamVid数据集上训练结果示例:

 

工程主页:
https://github.com/GeorgeSeif/Semantic-Segmentation-Suite

没有更多推荐了,返回首页

私密
私密原因:
请选择设置私密原因
  • 广告
  • 抄袭
  • 版权
  • 政治
  • 色情
  • 无意义
  • 其他
其他原因:
120
出错啦
系统繁忙,请稍后再试