文件名称：pytorch-segmentation:在PyTorch中实现的语义分割模型，数据集和损失
文件大小：598KB
文件格式：ZIP
更新时间：2024-06-03 03:17:38
computer-vision deep-learning semantic-segmentation Python
PyTorch中的语义分割 此仓库包含一个PyTorch，用于不同数据集的不同语义分割模型的实现。 要求 在运行脚本之前，需要先安装PyTorch和Torchvision，以及用于数据预处理的PIL和opencv和用于显示培训进度的tqdm 。 支持PyTorch v1.1（使用新的受支持的Tensoboard）； 可以使用更早期的版本，但不要使用tensoboard，而要使用tensoboardX。 pip install -r requirements.txt 或用于本地安装 pip install --user -r requirements.txt 主要特点 清晰易用的结构， 一个json配置文件，可以进行很多参数调整， 支持各种模型，损失，Lr调度程序，数据扩充和数据集， 那么，有什么可用的？ 楷模 （ Deeplab V3 + ）具有Atrous可分离卷积的编解码
【文件预览】：
pytorch-segmentation-master
----models()
--------resnet.py(11KB)
--------pspnet.py(8KB)
--------gcn.py(11KB)
--------fcn.py(5KB)
--------__init__.py(318B)
--------upernet.py(6KB)
--------segnet.py(9KB)
--------duc_hdc.py(9KB)
--------enet.py(9KB)
--------deeplabv3_plus.py(13KB)
--------unet.py(8KB)
----images()
--------tb2.png(345KB)
--------tb1.png(95KB)
--------colour_scheme.png(30KB)
--------learning_rates.png(54KB)
----base()
--------__init__.py(115B)
--------base_trainer.py(8KB)
--------base_dataloader.py(3KB)
--------base_model.py(893B)
--------base_dataset.py(6KB)
----dataloaders()
--------ade20k.py(2KB)
--------coco.py(4KB)
--------__init__.py(105B)
--------cityscapes.py(4KB)
--------labels()
--------voc.py(4KB)
----inference.py(7KB)
----train.py(2KB)
----LICENSE(1KB)
----trainer.py(8KB)
----requirements.txt(112B)
----.gitignore(1KB)
----README.md(14KB)
----utils()
--------sync_batchnorm()
--------transforms.py(10KB)
--------lr_scheduler.py(4KB)
--------logger.py(319B)
--------metrics.py(2KB)
--------palette.py(8KB)
--------losses.py(3KB)
--------helpers.py(2KB)
--------__init__.py(26B)
--------lovasz_losses.py(8KB)
--------torchsummary.py(3KB)
----config.json(2KB)