TensorFlow语义分割套件开源ECCV18旷视科技BiSeNet实时分割算法示例分析

免费建站 2024年05月05日 7:21

这篇文章将为大家详细讲解有关TensorFlow语义分割套件开源ECCV18旷视科技BiSeNet实时分割算法示例分析，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

Github上的开源工程Semantic Segmentation Suite（语义分割套件），由来自美国建筑智能服务公司的机器学习工程师George Seif创建，使用Tensorflow实现了大量最新的语义分割算法，最近，该开源库新加入了CVPR2018最新公开的Dense Decoder Shortcut Connections模型与DenseASPP模型,和ECCV2018旷视科技新提出的实时语义分割算法BiSeNet!这种紧跟前沿的开源库，正是52CV君要大力推广的！

Semantic Segmentation Suite的目标是希望人们借助它可以轻松实现代码、训练、测试最新的语义分割算法。

目前的主要功能有：1)训练和测试模式;2)数据增广;3)内含几个最新的state-of-the-art语义分割模型，并且这些模型可以非常容易地做到即插即用；4)可以方便对接目前主流的任何语义分割数据集；5)评估准则包含：precision, recall, f1 score, average accuracy, per-class accuracy, and mean IoU；6)在训练时按照epoch绘制损失函数loss和精度；

当前支持的特征提取模型：MobileNetV2, ResNet50/101/152 与 InceptionV4。

当前支持的语义分割算法：1)SegNet,arXiv2015;2)SegNet with skip connections,PAMI2017;3)MobileNet-UNet,arXiv2017;4)PSPNet,CVPR2017;5)FC-DenseNet,CVPR2017;6)DeepLabV3,axXiv2017;7)RefineNet,CVPR2017;8)Full-Resolution Residual Networks(FRRN),CVPR2017;9)Global Convolutional Network with Large Kernel,CVPR2017;10)AdapNet,ICRA2017;11)ICNet,ECCV2018;12)DeepLabV3+,ECCV2018;13)DenseASPP,CVPR2018;14)Dense Decoder Shorcut Connections,CVPR2018;15)BiSeNet,ECCV2018;全是最近两年出现的state-of-the-art!

该库已经内置了语义分割训练、测试、预测的示例代码：方便一键看结果！

下面是使用FC-DenseNet103模型在CamVid数据集上训练结果示例：

关于TensorFlow语义分割套件开源ECCV18旷视科技BiSeNet实时分割算法示例分析就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。