一大波PyTorch图像分割模型来袭,俄罗斯程序员出品新model zoo

86 篇文章 2 订阅
2 篇文章 0 订阅

一个新的图像分割model zoo来啦!

一大波基于PyTorch的图像分割模型整理好了就等你来用~

这个新集合由俄罗斯的程序员小哥Pavel Yakubovskiy一手打造,包含四种模型架构和30种预训练骨干模型(backbone),官方文档列举了四条主要特点:

  • 高级API(两行代码构建神经网络)

  • 4种模型架构:Unet,Linknet,FPN,PSPNet

  • 每个架构有30种可用的编码器

  • 所有编码器都具有预先训练的权重,可实现更快、更好的收敛

授人以鱼不如授人以渔,放出了model zoo还不算,小哥还贴心地提供了如何使用CamVid数据集进行训练的示例。

效果怎么样

CamVid数据集是计算机视觉领域常用的一个数据集,通常用来进行街景分割。

俄罗斯小哥用这个数据集训练了一个能识别出图片中汽车的新模型。无论这辆车是隐藏在暗夜之中还是只有黄豆大小,都逃不出图像分割模型的手掌心。

构建模型时他选择了传奇的Unet架构,并使用了se_resnext50_32x4d这个预训练骨干模型。

听上去好像很厉害的样子,但群众都相信眼见为实,不看看模型训练效果如何,心里难免有一丢丢怀疑。

嗯,看来不管是昏天黑地还是目标只有一丁点大,新模型的预测结果都挺不错。

再加大难度呢?

量子位表示眼已瞎,模型是真强。

Pavel Yakubovskiy小哥还在Colab上放了用Catalyst(PyTorch上的高级框架)训练模型的代码,感兴趣的话可以直接在浏览器上跑一下。

入园指南

model zoo已开源,免票入场,快来围观。

先来了解一下都有哪些预训练模型可以用:

以及它们的权重:

pip一下:

$ pip install segmentation-models-pytorch

$ pip install git+https://github.com/qubvel/segmentation_models.pytorch

python库安装完成,就可以轻松地创建模型啦:

 

1import segmentation_models_pytorch as smp
2model = smp.Unet()

 

根据训练任务的不同,可以通过调整骨干模型来改变网络结构,并且使用预训练权重来进行初始化:

 

1model = smp.Unet('resnet34', encoder_weights='imagenet')

也可以改变模型的输出类型:

1model = smp.Unet('resnet34', classes=3, activation='softmax')

所有的模型都有预训练编码器,因此准备数据的方法必须与进行权重训练时一致:

1from segmentation_models_pytorch.encoders import get_preprocessing_fn
2preprocess_input = get_preprocessing_fn(‘renset18’, pretrained=’imagenet’)

One More Thing

其实Pavel Yakubovskiy小哥早在去年就发布了一个基于Keras的图像分割model zoo,一经推出就颇受欢迎。

一样的配方,一样的味道,简单易用,一脉相承。麻麻再也不用担心我找不到合适的预训练模型。

不过基于Keras的版本预训练模型要少一些,小哥也没有放出对应的示例,效果如何,就需要自己去检验啦~

传送门

PyTorch版Github地址:
https://github.com/qubvel/segmentation_models.pytorch

Keras版Github地址:
https://github.com/qubvel/segmentation_models

Colab上手:
https://colab.research.google.com/gist/Scitator/e3fd90eec05162e16b476de832500576/cars-segmentation-camvid.ipynb#scrollTo=A40deTWg-WJ1

  • 0
    点赞
  • 6
    收藏
  • 0
    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
©️2022 CSDN 皮肤主题:代码科技 设计师:Amelia_0503 返回首页
评论
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、C币套餐、付费专栏及课程。

余额充值