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: