OpenMMlab实训营（七）

MMSegmentation

1.介绍

MMSegmentation是一个基于PyTorch的开源语义分割工具箱。 它是OpenMMLab项目的一部分。
主要特点
1、统一基准测试
我们为各种语义分割方法提供了统一的基准工具箱。
2、模块化设计
我们将语义分割框架分解为不同的组件，通过组合不同的模块，可以轻松构建定制的语义分割框架。
3、支持开箱即用的多种方法
该工具箱直接支持流行和当代语义分割框架，例如PSPNet，DeepLabV3，PSANet，DeepLabV3+等。
4、高效率
训练速度比其他代码库快或相当。

2.常用数据集

目前 MMSegmentation 一共支持 14 个数据集的训练和推理，包括城市街景、室内场景、医学、卫星遥感等多种场景的数据集，其中，Cityscapes 和 ADE20K 是最常用的两个语义分割公开数据集。
Cityscapes 是最常用的语义分割数据集之一，它是专门针对城市街道场景的数据集。整个数据集由 50 个不同城市的街景组成，数据集包括 5,000 张精细标注的图片和 20,000 张粗略标注的。目前支持的是精细标注的图片，它使用 19 种常用的类别来评估分割精度。
ADE20K 同样是最常用的语义分割数据集之一。它是一个有着 20,000 多张图片、150 种类别的数据集，其中训练集有 20,210 张图片，验证集有 2,000 张图片。近两年，大多数新提出的模型（特别是 Transformer 类的模型）都是在 ADE20K 数据集上检验其在语义分割任务中的性能的。

3.MMSegmentation模型库

代码库： https://github.com/open-mmlab/mmsegmentation
文档： https://mmsegmentation.readthedocs.io/en/latest/
MMSegmentation 的项目结构

MMSegmentation 将分割模型统一拆解为如下模块，方便用户根据自己的需求进行组装和扩展。