文件名称：OODRetrieval:语义分割中分布对象的检测与检索
文件大小：4.92MB
文件格式：ZIP
更新时间：2024-06-07 10:26:10
Python
DeepLabV3 +模型和预先训练的城市景观权重来自存储库。 原始MetaSeg代码可在论文中的存储库中找到。 DeepLabv3 +模型和数据集 您可以从存储库中获得DeepLabv3 +架构的预训练模型权重。 初赛 确保克隆的副本位于PYTHONPATH 。 我们使用的软件包可以在requirements.txt找到。 该演示在Python 3.7环境中进行了测试。 在configuration.py更改所有全局路径定义以适合您的环境。 使用configuration.py的DATASET属性选择要评估的数据集。 所有脚本均使用的实验和命令行参数管理器编写。 使用python3 script_name.py -h查看帮助消息。 如果您以python3 script_name.py print_config的身份运行脚本，则会显示当前参数配置。 它们引用回configurati
【文件预览】：
OODRetrieval-master
----compute_embeddings.py(19KB)
----requirements.txt(612B)
----eval_selection.py(8KB)
----src()
--------meta_nn.pth(35KB)
--------model()
--------datasets()
--------__init__.py(0B)
--------logging_cfg.yaml(587B)
--------MetaSeg()
--------embedding_networks.py(6KB)
--------discover.py(38KB)
--------eval_utils.py(1KB)
--------log_utils.py(204B)
--------imageaugmentations.py(12KB)
----a2d2_random_selection.p(60KB)
----discover_embedding_space.py(1KB)
----eval_iou.py(8KB)
----LICENSE(1KB)
----a2d2_dataset_overview.p(1.58MB)
----search_classes.py(1KB)
----pred_images.py(6KB)
----eval_retrieval.py(8KB)
----README.md(9KB)
----embedding_space_density.png(3.58MB)
----train_meta_nn.py(4KB)
----configuration.py(6KB)