DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs
deeplabpaddle
是复现的paddle代码
deeplabpytorch
是原pytorch代码
torch2paddle.py
是模型转化文件
需要安装第三方库omegaconf和pydensecrf,pydensecrf的Windows版可以在https://www.lfd.uci.edu/~gohlke/pythonlibs/#pydensecrf中找到安装命令如下:
pip install pydensecrf-1.0rc2-cp37-cp37m-win_amd64.whl
pip install omegaconf
由于git上传限制,模型需要先使用torch2paddle.py进行转化
python torch2paddle.py
运行paddle代码请使用
cd deeplabpaddle
python main.py train --config-path configs/voc12.yaml --cuda
运行测试voc12的代码可使用
python main.py test --config-path configs/voc12.yaml --model-path data/models/voc12/deeplabv2_resnet101_msc/train/deeplabv2_resnet101_msc-vocaug.pdparams
运行crf测试
python main.py crf --config-path configs/voc12.yaml
paddle最终得分文件在deeplabpaddle/data/scores/voc12/deeplabv2_resnet101_msc/val/scores.json
中,在VOC12上的miou为0.8987213899844988
pytorch最终得分文件在deeplabpytorch/data/scores/voc12/deeplabv2_resnet101_msc/val/scores.json
中,在VOC12上的miou为0.8987214672262349
paddle在VOC12 crf后的得分文件在deeplabpaddle/data/scores/voc12/deeplabv2_resnet101_msc/val/scores_crf.json
中,得分为0.9092208861996653
更新了cityscapes数据集读取代码,但是精度还未达到要求。
可使用python main.py train --config-path configs/cityscapes.yaml --cuda
进行训练
测试代码可使用python main.py test --config-path configs/cityscapes.yaml --model-path data/models/cityscapes/deeplabv2_resnet101_msc/train/checkpoint_final.pdparams
由于git上传限制,项目完整代码、模型、训练日志均在百度网盘,链接有效期7天,
链接:https://pan.baidu.com/s/1fVIuZzJJdxhNmK8z1JrqEQ
提取码:js9o
cityscapes的数据集请从:https://aistudio.baidu.com/aistudio/datasetdetail/64550下载