【文件属性】：
文件名称：fbrs_interactive_segmentation:[CVPR2020] f-BRS
文件大小：6.5MB
文件格式：ZIP
更新时间：2021-05-10 18:34:46
pytorch segmentation pretrained-models cvpr brs
f-BRS：重新思考交互式细分的反向传播优化
该存储库提供了代码，用于通过以下论文的官方PyTorch实施来培训和测试用于交互式细分的最新模型：
f-BRS：重新考虑反向传播的细化以进行交互式细分（ ，（ ，（ ，莫斯科三星AI中心
请观看下面，解释我们的算法如何工作：
我们也有完整的MXNet实现算法，可以检查mxnet分支。
消息
[2021-02-16]我们提出了一个关于交互式分割的新论文（+代码）：使用掩码指导进行交互式分割的复兴迭代训练。 一种具有新SoTA结果且无需任何测试时间优化技术的简单方法。
搭建环境
该框架是使用Python 3.6构建的，并且依赖于PyTorch 1.4.0+。 以下命令将安装所有必需的软件包：
pip3 install -r requirements.txt
您还可以使用我们的Dockerfile来构建具有配置环境的容器。
【文件预览】：
fbrs_interactive_segmentation-master
----models()
--------sbd()
----images()
--------demo_gui.jpg(137KB)
--------sheep.jpg(159KB)
--------fbrs_dextr_comparison.gif(1.15MB)
--------fbrs_animation.gif(890KB)
--------fbrs_video_preview.gif(1.7MB)
--------fbrs_interactive_demo.gif(1.79MB)
----train.py(3KB)
----interactive_demo()
--------app.py(16KB)
--------wrappers.py(4KB)
--------canvas.py(15KB)
--------controller.py(5KB)
----demo.py(2KB)
----Dockerfile(965B)
----LICENSE(16KB)
----config.yml(598B)
----requirements.txt(186B)
----.gitignore(94B)
----README.md(18KB)
----isegm()
--------data()
--------model()
--------engine()
--------inference()
--------utils()
----scripts()
--------evaluate_model.py(6KB)
--------convert_weights_mx2pt.py(1KB)
----notebooks()
--------test_any_model.ipynb(266KB)
--------colab_test_any_model.ipynb(633KB)