文件名称：CMPC-Refseg:通过跨模态渐进理解引用图像分割的代码，CVPR2020
文件大小：4.08MB
文件格式：ZIP
更新时间：2024-06-13 02:57:27
Python
CMPC-Refseg 我们的CVPR 2020论文代码。 黄少飞*，惠天瑞*，刘思，李冠彬，魏云超，韩继中，刘罗奇，李伯（*平等贡献） CMPC的解释。 （a）输入参照表达和图像。 （b）模型首先基于实体词和属性词（例如“ man”和“ white frisbee”（橙色蒙版和蓝色轮廓））感知表达式中描述的所有实体。 （c）在找出所有可能与输入表达式匹配的候选实体之后，可以进一步利用关系词“持有”来突出显示涉及该关系的实体（绿色箭头），并压制不涉及该关系的其他实体。 （d）从关系感知推理过程中受益，找到被引用实体作为最终预测（紫色蒙版）。 实验结果 我们修改了CMPC模块末尾的特征串联方式，并获得了比本文报道的结果更高的性能。 新的实验结果总结在下表中。 您可以下载我们训练有素的检查点，以对这四个数据集进行测试。 指向检查点的链接是： ，pswd：jjsf。 方法 UNC
【文件预览】：
CMPC-Refseg-master
----build_batches.py(5KB)
----CMPC_model.py(24KB)
----README.md(4KB)
----trainval.sh(391B)
----LICENSE(1KB)
----get_model.py(125B)
----CMPC_video()
--------train_a2d_new.sh(606B)
--------build_A2D_batches.py(8KB)
--------trainval_video.py(15KB)
--------CMPC_video_mm_tgraph_allvec.py(31KB)
----external()
--------tensorflow-deeplab-resnet()
----motivation.png(1.99MB)
----data()
--------vocabulary_referit.txt(64KB)
--------referit_query_test.json(1.83MB)
--------referit_query_trainval.json(1.82MB)
--------vocabulary_Gref.txt(88KB)
----trainval_model.py(15KB)
----util()
--------io.py(869B)
--------text_processing.py(1KB)
--------h5_reader.py(3KB)
--------eval_tools.py(1KB)
--------functions.py(1KB)
--------cell.py(5KB)
--------data_reader_ignore.py(3KB)
--------__init__.py(36B)
--------im_processing.py(3KB)
--------loss.py(2KB)
--------vgg16_fcn.py(3KB)
--------nms.pyx(2KB)
--------data_reader.py(3KB)
--------processing_tools.py(2KB)