文件名称：SFSegNets:实施ECCV-2020-口头文件
文件大小：350KB
文件格式：ZIP
更新时间：2024-04-10 10:23:27
semanticsegmentation Python
SFSegNets（ECCV-2020-口头） ECCV-2020口头论文的复制实现：用于快速准确场景解析的语义流。 SFnet是第一个在Cityscape测试装置上达到80 mIoU的实时网络！！！ 我们的方法在多个场景解析数据集上实现了最佳的速度和精度折衷。 请注意，原始的纸质链接位于，您可以在其中训练SFnet模型。但是，该回购对于进一步的研究和探索而言过于复杂。 数据集设置 有关详细信息，请参见DATASETs.md。 要求 pytorch> = 1.2.0顶点opencv-python 预训练模型和训练过的CKPT 请下载预训练的模型，包括：resnet18-deep-stem-pytorch： dfnetv1： dfnetv2： sf-resnet18-Mapillary： 并将它们放入pretrained_models目录中。 请下载经过训练的模型，mIoU位于C
【文件预览】：
SFSegNets-master
----.gitignore(162B)
----datasets()
--------cityscapes.py(19KB)
--------__init__.py(11KB)
--------sampler.py(4KB)
--------mapillary.py(7KB)
--------kitti.py(10KB)
--------nullloader.py(576B)
--------bdd.py(8KB)
--------edge_utils.py(2KB)
--------camvid.py(11KB)
--------cityscapes_labels.py(12KB)
--------uniform.py(6KB)
----DATASETs.md(6KB)
----figs()
--------sfnets.png(159KB)
--------sfnet_res.png(108KB)
----eval.py(22KB)
----utils()
--------attr_dict.py(2KB)
--------__init__.py(0B)
--------f_boundary.py(7KB)
--------flow_lib()
--------misc.py(12KB)
--------my_data_parallel.py(8KB)
--------flops_counter.py(11KB)
--------seg_edge.py(2KB)
----network()
--------__init__.py(1KB)
--------resnet_d.py(7KB)
--------dfnet.py(8KB)
--------sfnet_resnet.py(7KB)
--------nn()
--------sfnet_dfnet.py(2KB)
----scripts()
--------train_cityscapes_sfnet_dfv1.sh(807B)
--------train_cityscapes_sfnet_res18_dsn.sh(812B)
--------train_cityscapes_sfnet_res101.sh(798B)
--------train_cityscapes_sfnet_res18.sh(796B)
--------train_cityscapes_sfnet_dfv2.sh(807B)
----README.md(3KB)
----config.py(3KB)
----transforms()
--------transforms.py(12KB)
--------joint_transforms.py(22KB)
--------__init__.py(0B)
----loss.py(15KB)
----optimizer.py(3KB)
----train.py(17KB)