本次计图平台所发布的语义分割模型库,已经支持了目前主流的语义分割算法。其中包含了三种经典的 Backbone ,以及六种常见的分割 Head,具体如下表所示。
Backbone | Segmentation head |
---|---|
ResNet | PSPNet |
Res2Net | Deeplab V3+ |
MobileNet | DANet |
OCNet | |
ANN | |
OCRNet |
我们对上面所提到的模型在 PASCAL VOC 数据集上做了完整的训练以及 single scale 的测试,得到的测试结果如下。
Model | backbone | batch size | stride | input size | miou |
---|---|---|---|---|---|
Deeplab | resnet-101 | 8 | 16 | 513 x 513 | 78.38 |
Deeplab | resnet-101 | 16 | 16 | 513 x 513 | 78.50 |
Deeplab | mobilenet | 8 | 16 | 513 x 513 | 70.15 |
Deeplab | res2net-101 | 8 | 16 | 513 x 513 | 78.89 |
PSPNet | resnet-101 | 8 | 16 | 513 x 513 | 77.48 |
DANet | resnet-101 | 8 | 16 | 513 x 513 | 76.80 |
OCNet | resnet-101 | 8 | 16 | 513 x 513 | 76.77 |
ANN | resnet-101 | 8 | 16 | 513 x 513 | 77.50 |
OCRNet | resnet-101 | 8 | 16 | 513 x 513 | 78.30 |
本模型库的安装以及使用方法: 首先需要下载整个模型库到本地
$ git clone https://github.com/Jittor/segmentation-jittor.git
然后需要在 此处 下载 backbone 的预训练模型,并放在 ./pretrained_model 目录下面
通过 settings.py 文件来修改相关路径和模型配置,使用命令
$ sh train.sh
即可进行完整的训练
欢迎大家使用Jittor的GAN模型库开展自己的研究工作。如果大家发现模型库有什么问题,或者有自己实现的GAN想要发布在这里,请大家在github提交issue或者pr。
[1]openseg
[3]DANet
[4]EMANet