文件名称：CARSSS:“随机语义细分的校准对抗性精炼”一文中介绍了校准对抗性精炼模型的官方重新实现
文件大小：1.15MB
文件格式：ZIP
更新时间：2024-05-23 09:21:20
calibration semantic-segmentation adversarial-learning lidc-dataset cityscapes-dataset
随机语义分割的经过校准的对抗性细化 的校准对抗细化中描述的校准对抗细化模型的PyTorch实施。 下面描述了模型体系结构的概述，并使用了不明确的边界分段。 随机Cityscapes数据集的结果如下所示。 最左边的列显示了覆盖有地面真实标签的输入图像，中间部分显示了来自细化网络的8个随机采样的预测，最后一列显示了从校准网络提取的无意不确定性图。 入门 先决条件 Python3 NVIDIA GPU + CUDA CuDNN 这是在单个16GB Tesla V100 GPU上测试过的Ubuntu 18.04系统，但也可以在其他操作系统上使用。 设置虚拟环境 要安装此代码的要求，请运行： python3 -m venv ~/carsss_venv source ~/carsss_venv/bin/activate pip install -r requirements.txt 目录树 .
【文件预览】：
CARSSS-master
----utils()
--------model_utils.py(3KB)
--------data_utils.py(4KB)
--------personal_constants.py(252B)
--------__init__.py(0B)
--------architecture_utils.py(3KB)
--------general_utils.py(1KB)
--------pretrained_utils.py(2KB)
--------evaluation_utils.py(34KB)
--------training_helpers.py(7KB)
--------constants.py(5KB)
----models()
--------discriminators()
--------generators()
--------GeneralModel.py(305B)
--------losses()
--------__init__.py(0B)
--------general()
----results()
--------__init__.py(0B)
----images()
--------aleatoric.jpg(74KB)
--------overlaid_labels.jpg(127KB)
--------model_overview.jpg(115KB)
--------samples.jpg(841KB)
----main.py(16KB)
----requirements.txt(1KB)
----LICENSE(11KB)
----README.md(7KB)
----testing()
--------test.py(16KB)
--------__init__.py(0B)
----data()
--------Cityscapes19.py(6KB)
--------LIDC.py(5KB)
--------__init__.py(91B)
--------transformations.py(10KB)
--------datasets()
--------Cityscapes35.py(3KB)
----training()
--------train.py(18KB)
--------__init__.py(0B)
----.gitignore(197B)