文件名称：CondInst:用于实例分割的条件卷积可可比达到37.1mAP
文件大小：1.83MB
文件格式：ZIP
更新时间：2024-06-15 02:38:58
dynamic-convolution instance-segmentation one-stage fcos detectron2
CondInst 该存储库是的的非官方pytorch实现。 使用ResNet-101骨干网的模型在COCO val2017集上实现了37.1 mAP。 安装 该代码基于 。 请检查以获取安装说明。 训练 遵循与detectron2相同的方式。 单GPU： python train_net.py --config-file configs/CondInst/MS_R_101_3x.yaml 多GPU（例如8）： python train_net.py --num-gpus 8 --config-file configs/CondInst/MS_R_101_3x.yaml 请根据GPU内存调整配置文件中的IMS_PER_BATCH。 笔记 我已根据用对齐的上采样替换了原始的上采样，并使用上采样的蒙版来计算损失，这带来了更多的收益，但可能会花费更多的GPU内存，如果您没有太多的内存，
【文件预览】：
CondInst-master
----tools()
--------remove_optim_from_ckpt.py(589B)
--------convert_fcos_weight.py(2KB)
--------compute_flops.py(904B)
----train_net.py(8KB)
----AP.jpg(263KB)
----postprocessing.py(3KB)
----configs()
--------CondInst()
----fcos()
--------config()
--------checkpoint()
--------data()
--------modeling()
--------__init__.py(49B)
--------layers()
--------utils()
----demo()
--------predictor.py(9KB)
--------demo.py(6KB)
----README.md(2KB)
----condinst.png(1.5MB)