Skip to content

zhangxin-xd/CLAN-paddle

Repository files navigation

CLAN-Paddle

本项目旨在使用百度PaddlePaddle框架复现2019cvpr(oral):Taking A Closer Look at Domain Shift: Category-level Adversaries for Semantics Consistent Domain Adaptation。

本项目由张鑫和崔明迪共同完成。

一、简介

致敬开源精神,respect!!!

二、复现结果

本项目实现了GTA5和SYNTHIA Dataset到Cityscapes Dataset的迁移,实现在Cityscapes Dataset上的语义分割。

GTA5 SYNTHIA
paddle复现 42.2 45.59
原文 43.16 47.8

三、环境依赖

  • Paddle 2.1.2
  • cuDNN 7.6+

四、实现

训练

下载数据集和预训练权重

文件夹组织如下

 ├── data/
│   ├── Cityscapes/     
|   |   ├── gtFine/
|   |   ├── leftImg8bit/
│   ├── GTA5/
|   |   ├── images/
|   |   ├── labels/
│   ├── SYNTHIA/ 
|   |   ├── RAND_CITYSCAPES/
│   └── 			
└── model/
│   ├── pretrained.pdparams

开始训练

CUDA_VISIBLE_DEVICES=0 python CLAN_train.py --snapshot-dir ./snapshots/SYS2Cityscapes

权重和训练日志保存在./snapshots目录下

测试

CUDA_VISIBLE_DEVICES=0 python CLAN_evaluate.py --restore-from  ./snapshots/SYS2Cityscapes/SYS_100000.pdparams --save ./result/SYS2Cityscapes_100000

此处提供我们训好的权重,可以直接进行测试,图片结果保存在./result中。

权重SYS (6666)

权重GAT (6666)

计算IoU

python CLAN_iou.py ./data/Cityscapes/gtFine/val result/SYS2Cityscapes_100000

注意:最好的权重不一定是最后的权重,所以可以通过运行CLAN_evaluate_bulk.py 和 CLAN_iou_bulk.py 评估训练中得到的每个权重的性能。

CUDA_VISIBLE_DEVICES=0 python CLAN_evaluate_bulk.py
python CLAN_iou_bulk.py

结果列在./mIoU_results中的excel中。

对于GAT5 dataset原论文中使用19类进行训练,衡量19类。 对于SYNTHIA dataset原论文中使用19类进行训练,但只衡量13类。

五、模型信息

信息 说明
作者 张鑫
时间 2021.09
框架版本 Paddle 2.1.2
应用场景 语义分割

About

No description or website provided.

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages