文件名称：AdvCAM:针对弱和半监督语义细分的反职业性归因（CVPR 2021）
文件大小：2.68MB
文件格式：ZIP
更新时间：2024-05-23 09:09:42
weakly-supervised-learning weakly-supervised-segmentation cvpr2021 advcam Python
弱和半监督语义分割的反专业操作归因 输入图像 初始CAM 对抗式攀登的连续地图 针对弱和半监督语义分割的反职业性操纵归因的实现，李贞博，金恩吉和孙大阳，CVPR2021。[] 安装 我们请参考的官方实现。 该存储库已在Ubuntu 18.04上经过测试，并使用Python 3.6，PyTorch 1.4，pydensecrf，scipy，chaniercv，imageio和opencv-python。 用法 步骤1.准备数据集 下载PASCAL VOC 2012基准： 。 步骤2.准备经过预先训练的分类器 本文使用的预训练模型： 。 您还可以根据训练自己的分类器。 步骤3.获得PASCAL VOC train_aug图像的伪地面真伪蒙版并对其进行评估 bash get_mask_quality.sh 步骤4.训练语义分割网络 要训练DeepLab-v2，我们参考 。 但是，此仓
【文件预览】：
AdvCAM-main
----step()
--------eval_sem_seg.py(1KB)
--------make_sem_seg_labels.py(3KB)
--------make_cocoann.py(2KB)
--------cam_to_ir_label.py(3KB)
--------make_ins_seg_labels.py(6KB)
--------eval_cam.py(1KB)
--------pycococreatortools.py(5KB)
--------eval_ins_seg.py(1KB)
--------train_cam.py(4KB)
--------train_irn.py(5KB)
--------make_cam.py(3KB)
----requirements.txt(149B)
----get_seed_quality.sh(113B)
----gradCAM.py(3KB)
----LICENSE(1KB)
----get_mask_quality.sh(217B)
----README.md(2KB)
----obtain_CAM_masking.py(8KB)
----demo()
--------2008_004430_noreg_c_idx_0_iter_0.jpg(18KB)
--------2008_004430_gif.gif(2.07MB)
--------2008_004430.jpg(68KB)
----net()
--------resnet50_irn.py(8KB)
--------resnet50_cam.py(2KB)
--------resnet50.py(4KB)
----misc()
--------imutils.py(8KB)
--------pyutils.py(3KB)
--------torchutils.py(2KB)
--------indexing.py(6KB)
----voc12()
--------train_aug.txt(124KB)
--------test.txt(17KB)
--------dataloader.py(9KB)
--------make_cls_labels.py(1007B)
--------train.txt(17KB)
--------val.txt(17KB)
--------cls_labels.npy(2.32MB)
----run_sample.py(6KB)