文件名称：DualSuperResLearningForSemSeg:实施“用于语义分割的双重超分辨率学习” CVPR 2020，https
文件大小：775KB
文件格式：ZIP
更新时间：2024-04-17 14:15:51
Python
实施“用于语义分割的双重超分辨率学习”，CVPR 2020年论文 这是的实现， 结合了超分辨率和特征相似性学习来改善传统的语义分割模型。 结果 上256×512个输入与输出512x1024分段图，用250个历元仅预训练的重量为他们的训练骨干使用和NOT它们之前类型： 阶段 类型 平均准确度％ 平均IoU％ 交叉熵误差 最佳时代 1个 SSSR 93.28 57.83（51.78） 0.228 250 2个 SSSR + SISR 93.48 60.59（53.21） 0.224 248 3 SSSR + SISR + FA 93.34 60.96（53.33） 0.227 234 注意：报告的均值IoU是使用交集之和除以交集之和（常用）而得出的，括号中的是单独计算的并集上的交集的均值（均值IoU的精确定义）。 改善 SSSR模块目前使用一个双线性升采样
【文件预览】：
DualSuperResLearningForSemSeg-master
----models()
--------schedulers()
--------BaseModel.py(276B)
--------losses()
--------__init__.py(22B)
--------transforms()
--------DSRL.py(10KB)
--------modules()
----train_stage2_cmdline.json(322B)
----main.py(28KB)
----utils.py(11KB)
----train_stage3_cmdline.json(331B)
----DualSuperResLearningForSemSeg.sln(976B)
----command_handlers()
--------inspect_checkpoint.py(817B)
--------test.py(7KB)
--------prune_weights.py(700B)
--------benchmark.py(4KB)
--------edit_checkpoint.py(347B)
--------__init__.py(315B)
--------compile_model.py(804B)
--------print_model.py(346B)
--------train_or_resume.py(32KB)
----train_stage1_cmdline.json(293B)
----settings.py(3KB)
----run_script.py(791B)
----requirements.txt(6KB)
----.gitignore(8KB)
----scratchpad.py(15KB)
----metrices()
--------AverageMeter.py(666B)
--------Accuracy.py(1KB)
--------__init__.py(92B)
--------mIoU.py(2KB)
----consts.py(78B)
----DualSuperResLearningForSemSeg.pyproj(7KB)
----demo()
--------stage1_output.png(706KB)
----weights()
--------.placeholder(0B)
----README.md(6KB)
----scripts()
--------__init__.py(139B)
--------calculate_dataset_mean_std.py(2KB)
--------show_augmented_inputs_targets.py(4KB)
----datasets()
--------Cityscapes()
--------__init__.py(0B)