扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
今天就跟大家聊聊有关PyTorch语义分割开源库semseg是什么样的，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
成都创新互联服务项目包括八步网站建设、八步网站制作、八步网页制作以及八步网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，八步网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到八步省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！
今天跟大家介绍一款新出的基于PyTorch的语义分割开源库semseg
介绍
semseg用PyTorch实现的语义分割/场景解析开源库。 它可以方便帮助开发者用于各种语义分割数据集的训练和测试。
该库主要使用ResNet50 / 101/152作为主干网，也可以很容易地改成其他分类网络结构。
目前已经实现了包括PSPNet和PSANet在内的网络，其在2016年ImageNet场景解析挑战赛@ ECCV16，LSUN语义分割挑战赛2017 @ CVPR17和WAD可驾驶区域分割挑战赛2018 @ CVPR18中排名第一。 示例实验数据集包括主流的ADE20K，PASCAL VOC 2012和Cityscapes。
ps. 该库开发者即PSPNet和PSANet算法的一作。
亮点
1. 同时支持多线程训练与多进程训练，并且后者非常快（该库比较重视训练）。
2. 重新实现的算法取得更好的结果，而且代码结构清晰（说明代码质量高）。
3. 所有初始化模型、训练得到的模型和预测的结果都能够下载（https://drive.google.com/open?id=15wx9vOM0euyizq-M1uINgN0_wjVRf9J3），方便开发者直接使用或者研究比较。
作者推荐的软硬件环境：
（要4到8块显卡，看来没有多卡，语义分割是玩不起了～）
训练简单
该库的训练非常简单，简单配置后只需要一条命令
sh tool/train.sh ade20k pspnet50
测试简单
简单配置数据集和模型路径后，也只需要一条命令：
sh tool/test.sh ade20k pspnet50
在单幅图像上测试也很简单，示例：
PYTHONPATH=./ python tool/demo.py --config=config/ade20k/ade20k_pspnet50.yaml --image=figure/demo/ADE_val_00001515.jpg TEST.scales '[1.0]'
在三个数据集上的结果如下：
注意，作者列出的时间是在8个GeForce RTX 2080 Ti上训练得到的。
看完上述内容，你们对PyTorch语义分割开源库semseg是什么样的有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联行业资讯频道，感谢大家的支持。
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网