文件名称：Scribble_Saliency:通过涂抹注释进行弱监督的显着物体检测，CVPR2020
文件大小：1.08MB
文件格式：ZIP
更新时间：2024-05-04 02:23:43
Python
Scribble_Saliency（CVPR2020） 通过涂抹注释进行弱监督的显着对象检测 设置 安装Pytorch 训练有素的模型 请下载经过训练的模型并将其放在“模型”中 火车模型 准备训练数据（我们在提供了相关数据。请下载并将其放在“数据”文件夹中） a）我们具有涂鸦数据集（1：前景，2：背景，0：未知），原始RGB图像，灰色图像和来自以下位置的边缘图： ： 。 b）使用Matlab代码：generate_gt_mask_from_scribble.m将涂抹数据转换为“ gt”和“ mask”，其中gt包含前馈涂抹，而mask包含前景和背景涂抹。 c）使用Matlab代码将RGB图像转换为灰度图像：convert_rgb2gray.m 运行./train.py 测试模型 相应地修改测试图像路径。 运行./test.py 涂鸦数据集（S-DUTS数据集） 我们用涂鸦
【文件预览】：
Scribble_Saliency-master
----README.md(3KB)
----test.py(1KB)
----train.py(5KB)
----model()
--------__init__.py(1B)
--------vgg_models.py(12KB)
--------network_structure(1B)
--------vgg.py(4KB)
----utils.py(2KB)
----models()
--------trained_model(137B)
----scribble_show.png(344KB)
----temp()
--------temp_dir(1B)
----convert_rgb2gray.m(1KB)
----smoothness()
--------__init__.py(2KB)
--------smoothness_loss(1B)
----overview.png(177KB)
----gamma_expansion.m(401B)
----results.png(359KB)
----data.py(6KB)
----generate_gt_mask_from_scribble.m(866B)
----.DS_Store(6KB)
----data()
--------related_data(134B)
----E_F_measure.png(218KB)