在作者提供的代码(Github地址)的基础上,实现推理预测。
注意:首先得安装好CUDA、cuDNN以及GCC,下载地址
OpenCV + Numpy + Pillow
注:这里是通过OpenCV加载Caffe模型实现推理预测,如果需要使用GPU加速的话,需要自己编译OpenCV,相关的文档见Docs。
可能需要科学上网 源Github库下提供了的模型的下载地址,我将它们放在了本仓库的Releaes中,提供下载。
net.py
将推理预测的过程封装起来。
迭代分割:打一个点分割一次。
- 左键进行前景交互(打点),右键进行背景交互,按住'ctrl'键并点击左键可以去掉上一次交互点。
- 按下o键("o" or "O")),选择一张新的照片进行分割。
- 按下c键("c" or "C")),对当前图片重新开始进行交互、分割。
- 按下c键("s" or "S")),保存交互以及分割结果。
在PASCAL VOC 2012数据集上做测试,并记录指标,交互由随机采样方法采得。