文件名称：CascadePSP:[CVPR2020] CascadePSP
文件大小：2.87MB
文件格式：ZIP
更新时间：2024-05-03 22:24:28
computer-vision deep-learning pytorch segmentation high-resolution
CascadePSP：通过全局和局部优化实现与类无关和非常高分辨率的细分 何启成 ，钟智勋 ，戴玉荣，邓志强 介绍 CascadePSP是用于高分辨率分割细化的深度学习模型。 该存储库包含我们的PyTorch实施，同时具有培训和测试功能。 我们还提供带注释的UHD数据集BIG和预训练模型。 这是对高分辨率图像的一些改进结果。 快速开始 在PyTorch 1.0上进行了测试-尽管更高版本也可能适用于推理。 检出。 我们构建了一个pip包，可以使用两行代码来完善输入图像。 与安装 pip install segmentation-refinement 代码演示： import cv2 import time import matplotlib . pyplot as plt import segmentation_refinement as refine image = cv2
【文件预览】：
CascadePSP-master
----eval_post_ade.py(7KB)
----.gitignore(1KB)
----segmentation-refinement()
--------setup.py(743B)
--------.gitignore(2KB)
--------LICENSE(1KB)
--------README.md(1KB)
--------segmentation_refinement()
--------test.py(528B)
--------test()
----eval_memory_usage.py(949B)
----dataset()
--------online_dataset.py(4KB)
--------split_dataset.py(6KB)
--------__init__.py(143B)
--------reseed.py(95B)
--------offline_dataset.py(4KB)
--------make_bb_trans.py(1KB)
----eval.py(4KB)
----eval_helper.py(6KB)
----models()
--------__init__.py(0B)
--------sobel_op.py(1KB)
--------sync_batchnorm()
--------psp()
----LICENSE(1KB)
----util()
--------compute_boundary_acc.py(2KB)
--------file_buffer.py(167B)
--------hyper_para.py(2KB)
--------__init__.py(0B)
--------model_saver.py(641B)
--------boundary_modification.py(3KB)
--------de_transform.py(2KB)
--------image_saver.py(5KB)
--------util.py(1KB)
--------log_integrator.py(2KB)
--------metrics_compute.py(5KB)
--------logger.py(4KB)
----eval_post.py(4KB)
----scripts()
--------BIG()
--------__init__.py(0B)
--------download_training_dataset.py(3KB)
--------ade20K()
--------PASCAL_FINE()
----README.md(3KB)
----docs()
--------training.md(2KB)
--------images()
--------dataset.md(7KB)
--------models.md(947B)
--------js()
--------css()
--------testing_scene_parsing.md(1KB)
--------installation.md(465B)
--------index.html(6KB)
--------testing_segmentation.md(1KB)
----train.py(4KB)