文件名称：adaptis:[ICCV19] AdaptIS
文件大小：4.26MB
文件格式：ZIP
更新时间：2024-05-24 22:31:07
mxnet pytorch cityscapes instance-segmentation ms-coco
AdaptIS：自适应实例选择网络 该代码库实现了Konstantin Sofiiuk，Olga Barinova，Anton Konushin在论文描述的系统。 ICCV 2019接受。该代码执行实例细分，还可以用于全景细分。 [更新]我们已经发布了算法的PyTorch实现（现在它仅在单个gpu上支持ToyV1和ToyV2数据集）。 参见分支。 ToyV2数据集 我们生成了一个甚至更复杂的合成数据集，以显示我们的算法相对于其他基于检测的实例分割算法的主要优势。 新的数据集包含用于训练的25000张图像和用于验证和测试的1000张图像。 每个图像的分辨率为128x128，可以包含12到52个高度重叠的对象。 您可以从下载ToyV2数据集。 您可以使用笔记本测试和可视化在此数据集上训练的模型。 您可以从下载预训练模型。 ToyV1数据集 在本文中，我们将ToyV1数据集用于我们的实验。
【文件预览】：
adaptis-master
----.gitignore(61B)
----images()
--------adaptis_toy_vis.jpg(991KB)
--------cityscapes_sample.jpg(100KB)
--------five_toy_v2_samples.jpg(38KB)
--------toy2_wide.jpg(45KB)
--------adaptis_model_scheme.png(201KB)
--------toy_results3.png(130KB)
--------toy_samples()
--------toy_v2_samples()
--------toy_v2_comparison.jpg(148KB)
----requirements.txt(169B)
----train_toy_v2.py(4KB)
----train_cityscapes.py(6KB)
----LICENSE(16KB)
----train_toy.py(5KB)
----notebooks()
--------test_toy_model.ipynb(1.82MB)
--------test_toy_v2_model.ipynb(649KB)
----README.md(5KB)
----adaptis()
--------data()
--------model()
--------coco()
--------engine()
--------utils()
--------inference()