【基于DL的图像语义分割】TensorFlow语义分割套件开源了ECCV18旷视科技BiSeNet实时分割算法

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

  • 1
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值