OpenMMLab AI 实战第七课笔记——MMSegmentation

    今天主要讲的内容是语义分割工具包 MMSegmentation的具体实践，内容包括：MMSegmentation 项目概述、MMSegmentation 的模块化设计[PSPNet 模型配置文件解读]、数据集与数据流水线配置解读、常用优化器配置、代码实践[使用预训练模型对单张图像进行推理&使用自定义数据集训练语义分割模型]，那我们马上开始吧！

一、基本介绍

    MMSegmentation工具包包含很多算法，因为其模块化设计使得配置简便、容易拓展，此外还有统一超参数和一些训练、测试工具、推理工具使得具体上手使用起来非常方便。

    统一超参数：

    OpenMMLab官网上可以查看各个模型的具体情况，自行选择使用：

    MMSegmentation 的项目结构

   

    分割模型的模块化设计：

    MMSegmentation 将分割模型统一拆解为如下模块，具体使用时候可以根据自己的需求进行组装和扩展：

二、配置

    模型配置：

    主干网络配置：主干网络输入图像，输出多层次的特征图

    ResNet v1c：ResNet 50 层以上的模型在 BottleNeck 模块以及 stem 部分（即网络前几层）有一些变形：

   

    主解码头的配置：主解码头从特征图预测分割图

    辅助解码头的配置：

    数据集配置：

    数据处理流水线：

    训练策略：

    具体实操教程见官方视频：

7 MMSegmentation 代码教学_哔哩哔哩_bilibili