文件名称：vedaseg:基于PyTorch的语义分割工具箱
文件大小：80KB
文件格式：ZIP
更新时间：2024-05-05 04:10:32
pytorch unet semantic-segmentation pspnet fpn
介绍 vedaseg是基于PyTorch的开源语义分割工具箱。 特征 模块化设计 我们将语义分割框架分解为不同的组件。 灵活且可扩展的设计通过结合构建Lego之类的不同模块，轻松实现自定义的语义分割项目。 支持几种流行的框架 该工具箱支持多种现成的语义分割框架，例如DeepLabv3 +，DeepLabv3，U-Net，PSPNet，FPN等。 高效率 多GPU数据并行性和分布式培训。 多类别/多标签细分 我们实现了多类别和多标签细分（一个像素可以属于多个类别）。 加速与部署 可以使用TensorRT加速和部署模型。 执照 该项目是根据。 基准和模型动物园 注意：所有模型仅在PASCAL VOC 2012训练数据集上进行训练，并在PASCAL VOC 2012 val数据集上进行评估。 建筑学 骨干 作业系统 MS和翻转 IOU DeepLabv3plus ResNet-10
【文件预览】：
vedaseg-master
----.gitignore(1KB)
----requirements.txt(115B)
----vedaseg()
--------datasets()
--------__init__.py(0B)
--------models()
--------utils()
--------optims()
--------dataloaders()
--------lr_schedulers()
--------transforms()
--------loggers()
--------runners()
--------metrics()
--------criteria()
----LICENSE(11KB)
----tools()
--------encode_voc12_aug.py(729B)
--------inference.py(4KB)
--------torch2onnx.py(2KB)
--------dist_train.sh(226B)
--------test.py(1KB)
--------encode_voc12.py(656B)
--------decode.py(2KB)
--------dist_test.sh(252B)
--------train.py(1KB)
----README.md(8KB)
----configs()
--------voc_deeplabv3.py(5KB)
--------coco_multilabel_unet.py(9KB)
--------voc_deeplabv3plus.py(6KB)
--------voc_fpn.py(8KB)
--------coco_unet.py(9KB)
--------voc_unet.py(9KB)
--------voc_pspnet.py(6KB)