文件名称：semseg：常用的语义分割架构结构概述以及代码复现
文件大小：439KB
文件格式：ZIP
更新时间：2024-02-25 16:53:42
deep-learning pytorch enet fcn image-segmentation
塞姆塞格 主 语义图像分割，为图像中的每个对象分配语义标签（例如“道路”，“天空”，“人”，“狗”）的任务能够实现很多新应用，例如Pixel 2和Pixel 2 XL智能手机的初步模式中提供的合成浅景深效果和移动实时视频分割。 引用自 本仓库的开发计划见 下面将初步主要的论文整理表格以供后续进一步总结。 网络实现 FCN（VGG和ResNet的骨干网络），已实现，参考 RefineNet，已实现，参考 DUC，参考 DRN，已实现 PSPNet，参考 ENet，已实现 ErfNet，已实现 EDANet，已实现 LinkNet，已实现，参考 FC-DenseNet，已实现，参考 L
【文件预览】：
semseg-master
----.gitignore(155B)
----README.md(21KB)
----validate.py(8KB)
----validate_mt.py(13KB)
----train.py(18KB)
----misc()
--------transform.py(6KB)
--------visdom_offline_data.py(661B)
--------squeeze-segnet.py(29KB)
--------cityscapes_bbox.py(3KB)
--------camvid_bbox.py(3KB)
--------loss_smooth.py(1KB)
--------miou_expand.py(1KB)
--------split_dataset_train_val.py(2KB)
--------camvid_bbox_rename.py(841B)
----train_lrn.py(20KB)
----semseg()
--------pytorch_modelsize.py(3KB)
--------dataloader()
--------utils()
--------modelloader()
--------metrics.py(2KB)
--------yoloLoss.py(7KB)
--------visualize.py(3KB)
--------netloader()
--------__init__.py(0B)
--------loss.py(844B)
--------schedulers.py(936B)
--------caffe_pb2.py(237KB)
----performance_table.py(11KB)
----train_pred.py(17KB)
----validate_pred.py(9KB)
----train_mt.py(18KB)
----doc()
--------mapillary_vistas_dataset.md(120B)
--------fcdensenet_understanding.md(484B)
--------cityscapes.md(2KB)
--------visdom_problem.md(453B)
--------camvid_dataset.md(2KB)
--------duc_understanding.md(297B)
--------fcn_understanding.md(1KB)
--------deeplab_understanding.md(2KB)
--------refinenet_understanging.md(385B)
--------pspnet_understanding.md(134B)
--------ade20k_dataset.md(662B)
--------develop_ideas.md(901B)
--------enet_understanding.md(127B)
--------drn_understanding.md(1KB)
--------pascal_voc_dataset.md(820B)
--------unet_understanding.md(89B)
----data()
--------0006R0_f00930.xml(3KB)
--------0006R0_f00930.png(241KB)
----visualize_test.py(120B)