文件名称：Human-Segmentation-PyTorch:在PyTorch中实现的人体分割模型，训练推理代码和训练后的权重
文件大小：4.42MB
文件格式：ZIP
更新时间：2024-05-24 17:17:07
deep-learning pytorch unet semantic-segmentation deeplab
人为分割PyTorch 在PyTorch中实现的人体分割，/代码和。 支持的网络 ：骨干 （所有aphas和扩张）， （所有num_layers） ：骨干网 （num_layers = 18,34,50,101）， ：骨干网 （num_layers = 18） ：主干网 （num_layers = 18、34、50、101） ICNet ：主干网ResNetV1 （num_layers = 18、34、50、101） 要评估体系结构，内存，转发时间（以cpu或gpu表示），参数数量以及网络的FLOP数量，请使用以下命令： python measure_model.py 数据集 人像分割（人/背景） 自动人像分割以实现图像风格化：1800张图像 监督人：5711张图片 放 在此存储库中使用了Python3.6.x。 克隆存储库： git clone --re
【文件预览】：
Human-Segmentation-PyTorch-master
----train.py(3KB)
----utils()
--------utils.py(2KB)
--------__init__.py(71B)
--------visualization.py(4KB)
--------logger.py(428B)
--------flops_counter.py(8KB)
----.gitmodules(149B)
----models()
--------PSPNet.py(5KB)
--------DeepLab.py(6KB)
--------ICNet.py(6KB)
--------pytorch-image-models()
--------UNet.py(6KB)
--------BiSeNet.py(6KB)
--------UNetPlus.py(6KB)
--------__init__.py(291B)
--------backbonds()
--------backbones()
----evaluation()
--------metrics.py(3KB)
--------losses.py(4KB)
----base()
--------base_trainer.py(8KB)
--------__init__.py(343B)
--------base_model.py(5KB)
--------base_data_loader.py(2KB)
--------base_inference.py(5KB)
----requirements.txt(604B)
----dataloaders()
--------check_data_loaders.ipynb(2.58MB)
--------dataloader.py(5KB)
--------transforms.py(5KB)
----dataset()
--------train_mask.txt(804KB)
--------valid_mask.txt(89KB)
--------create_pairs.py(4KB)
----config()
--------config_BiSeNet.json(1KB)
--------config_UNet.json(1KB)
--------config_ICNet.json(2KB)
--------config_PSPNet.json(1KB)
--------config_DeepLab.json(1KB)
----trainer()
--------trainer.py(6KB)
----inference_webcam.py(1KB)
----README.md(5KB)
----measure_model.py(3KB)
----inference_video.py(5KB)
----backgrounds()
--------2.jpg(19KB)
--------6.jpg(436KB)
--------1.png(204KB)
--------4.jpg(923KB)
--------5.jpg(6KB)
--------7.jpg(823KB)
--------3.jpg(13KB)
----.gitignore(1KB)