文件名称：BiSeNet:基于pytorch的BiSeNet
文件大小：1.09MB
文件格式：ZIP
更新时间：2024-05-13 07:17:54
Python
BiSeNet 基于pytorch 0.4.1和python 3.6的BiSeNet 数据集 从或（6xw4）下载CamVid数据集。 预训练模型 在或（6y3e）中下载best_dice_loss_miou_0.655.pth并将其放在./checkpoints 演示版 python demo.py 结果 原来的 GT 预测 火车 python train.py 使用张量板查看实时损失和准确性 火车上的损失 像素精度 米欧瓦尔 测试 python test.py 结果 班级 骑自行车的人 建造 车 极 栅栏 行人 路 人行道 标志符号 天空 树 ou ou 0.61 0.80 0.86 0.35 0.37 0.59 0.88 0.81 0.28 0.91 0.73 0.655 这次我用骰子损失训练模型，并得到比交叉熵损失更好的结果。 我没有使用很多特
【文件预览】：
BiSeNet-master
----eval.py(4KB)
----loss.py(1KB)
----utils.py(9KB)
----model()
--------__pycache__()
--------__init__.py(0B)
--------build_BiSeNet.py(7KB)
--------build_contextpath.py(2KB)
----train.py(9KB)
----tfboard_loss.jpg(43KB)
----demo.py(3KB)
----dataset()
--------__pycache__()
--------CamVid.py(5KB)
--------__init__.py(0B)
----test_label.png(18KB)
----tfboard_miou.jpg(83KB)
----tfboard_precision.jpg(71KB)
----.idea()
--------misc.xml(369B)
--------vcs.xml(180B)
--------deployment.xml(1KB)
--------modules.xml(266B)
--------bisenet.iml(567B)
--------workspace.xml(38KB)
----README.md(3KB)
----demo.png(52KB)
----test.png(872KB)