PyTorch语义分割开源库semseg

加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“阅读原文”立刻申请入群~

本文授权转自公众号我爱计算机视觉

今天跟大家介绍一款新出的基于PyTorch的语义分割开源库semseg：

https://github.com/hszhao/semseg

其开发者为香港中文大学的博士生Hengshuang Zhao。

https://hszhao.github.io/

介绍

semseg用PyTorch实现的语义分割/场景解析开源库。 它可以方便帮助开发者用于各种语义分割数据集的训练和测试。

该库主要使用ResNet50 / 101/152作为主干网，也可以很容易地改成其他分类网络结构。

目前已经实现了包括PSPNet和PSANet在内的网络，其在2016年ImageNet场景解析挑战赛@ ECCV16，LSUN语义分割挑战赛2017 @ CVPR17和WAD可驾驶区域分割挑战赛2018 @ CVPR18中排名第一。 示例实验数据集包括主流的ADE20K，PASCAL VOC 2012和Cityscapes。

ps. 该库开发者即PSPNet和PSANet算法的一作。

亮点

1. 同时支持多线程训练与多进程训练，并且后者非常快（该库比较重视训练）。

2. 重新实现的算法取得更好的结果，而且代码结构清晰（说明代码质量高）。

3. 所有初始化模型、训练得到的模型和预测的结果都能够下载（https://drive.google.com/open?id=15wx9vOM0euyizq-M1uINgN0_wjVRf9J3），方便开发者直接使用或者研究比较。

作者推荐的软硬件环境：

（要4到8块显卡，看来没有多卡，语义分割是玩不起了～）

训练简单

该库的训练非常简单，简单配置后只需要一条命令

br

测试简单

简单配置数据集和模型路径后，也只需要一条命令：

br

在单幅图像上测试也很简单，示例：

br

Performance

在三个数据集上的结果如下：

注意，作者列出的时间是在8个GeForce RTX 2080 Ti上训练得到的。

感谢作者的分享～

再发一遍地址：

https://github.com/hszhao/semseg

*延伸阅读

---

点击左下角“阅读原文”，即可申请加入极市目标跟踪、目标检测、工业检测、人脸方向、视觉竞赛等技术交流群，更有每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流，一起来让思想之光照的更远吧~

觉得有用麻烦给个在看啦~