文件名称：DST-CBC:实施我们的论文“ DMT
文件大小：262KB
文件格式：ZIP
更新时间：2024-05-23 09:07:39
pytorch semi-supervised-learning tensorboard cifar semantic-segmentation
DMT：半监督学习的动态相互培训 该存储库包含我们的论文的代码，这是一种用于半监督语义分割和图像分类的简洁有效的方法。 某些人可能将其称为DST-CBC的早期版本，或者通过动态自学和类平衡课程进行的半监督语义分割，如果您想要旧的代码，则可以签出分支。 消息 2021.2.10 细分任务中的骨干架构略有不同，已在“确认”中确定并描述。 2021.1.1 DMT已发布。 新年快乐！ :winking_face: 2020.12.7 DST-CBC的错误修复（未完全测试）在分支中发布。 2020.11.9 请继续关注动态相互训练（DMT），它是DST-CBC的更新版本，其总体性能更好，更稳定，将于11月初发布。 新版本的动态相互训练（DMT）将在稍后发布，其总体性能会更好，更稳定。 另外，由于 ，将在下一个版本中发布数据增强错误修复程序，该版本将使PASCAL VOC性能总体提高 ％，Cityscapes也
【文件预览】：
DST-CBC-master
----CLASSIFICATION.md(2KB)
----overview.png(173KB)
----segmentation()
--------dmt-voc-sbd-0.sh(2KB)
--------generate_splits.py(2KB)
--------main_naive.py(26KB)
--------convert_coco_resnet101.py(2KB)
--------utils()
--------abl_cbst.sh(707B)
--------pascal_sbd_split.py(925B)
--------models()
--------abl_naive.sh(1KB)
--------abl_flip.sh(1KB)
--------dmt-voc-20-1.sh(2KB)
--------abl_baseline.sh(1KB)
--------main.py(26KB)
--------dmt-voc-106-1lr.sh(2KB)
--------main_online.py(26KB)
--------cityscapes_data_list.py(1KB)
--------main_flip.py(26KB)
--------dmt-city-8-1.sh(2KB)
--------prepare_coco.sh(310B)
--------abl_dst.sh(705B)
--------abl_online.sh(275B)
--------dms_sample.py(1KB)
----SEGMENTATION.md(4KB)
----LICENSE(1KB)
----README.md(5KB)
----classification()
--------generate_splits.py(6KB)
--------utils()
--------ss-cl-full-1.sh(3KB)
--------models()
--------main_dmt.py(20KB)
--------download_cifar.py(800B)
--------ss-dmt-full-1.sh(3KB)
--------main_fs.py(15KB)
--------generate_splits.sh(626B)