RefineNet语义分割Pytorch模型训练和TensorRT加速

原创 已于 2022-08-22 14:44:34 修改 · 1.4k 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #神经网络 #语义分割 #TensorRT

于 2020-08-16 15:29:04 首次发布
本博客介绍了一个基于PyTorch实现的RefineNet模型，该模型针对分割任务进行了优化并成功转换为TensorRT格式，实现了显著的运行速度提升。在HelenDataset上进行的面部器官分割实验显示，使用TensorRT加速后的模型FPS从5提升到FP32的27和FP16的33。模型轻巧，适用于实时分割场景。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

RefineNet模型的训练和ONNX模型导出见我的github：GitHub - midasklr/RefineNet: Pytorch refinenet for segmentation and pytorch -> onnx -> tensorrt

TensorRT加速见我的：GitHub - midasklr/RefineNet_TensorRT: TensorRT for RefineNet Segmentation

RefineNet模型训练主要参考了 light-weight-refinenet的实现，并做出一些修改方便模型转tensorRT，模型轻巧，加速后可以达到实时分割。

使用的数据集是Helen Dataset，原始的数据集我已经做了一些修改方便分割算法训练，包含了11类面部器官的分割，效果如图：

通过GitHub - midasklr/RefineNet: Pytorch refinenet for segmentation and pytorch -> onnx -> tensorrt可以很方便的用于任何分割相关的数据集。

速度：

ModelFPS
Pytorch5
TensorRT-FP3227
TensorRT-FP1633
深度学习系列资料总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
transformer在视觉检测的应用
blanokvaffy的博客
11-28 2917
transformer在视觉检测的应用detr简介一些基于detr启发论文目标检测Deformable DETRConditional DETRSparse R-cnn实例分割/全景分割SOLQMaskformerK-Net 近年，Transformers在计算机视觉领域大放异彩。将transformer带入目标检测/实例分割的工作如过江之鲫，不胜枚举。而2020年Detection Transformers（detr）更是带来一种新的目标检测范式，启发了后续众多的工作。 detr简介 detr结构 d
RefineDet算法源码 （一）训练脚本
AI之路
06-04 8796
论文：Single-Shot Refinement Neural Network for Object Detection 论文链接：https://arxiv.org/abs/1711.06897 代码链接：https://github.com/sfzhang15/RefineDet 关于RefineDet算法内容可以先看看博客：RefineDet论文笔记。 RefineDet算法是SS...
refinenet-pytorch:PyTorch中的RefineNet-101 VOC
05-05
RefineNet（在PyTorch中） 该存储库提供了RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation （在单比例尺设置中的验证集上，提供的权重达到80.5 ％的平均RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation上基于PASCAL VOC训练的基于ResNet-101的模型。 RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation Guosheng Lin, Anton Milan, Chunhua Shen, Ian Reid In CV
PyTorch/TensorRT深度解析：Torch-TensorRT编译器原理与应用指南
最新发布
gitblog_00962的博客
06-20 271
PyTorch/TensorRT深度解析：Torch-TensorRT编译器原理与应用指南 概述 Torch-TensorRT是PyTorch生态中一个重要的模型优化工具，它通过集成NVIDIA TensorRT SDK，为PyTorch模型在NVIDIA GPU上提供高性能推理能力。本文将深入解析Torch-TensorRT的工作原理、不同编译前端的特点以及实际应用中的选择策略。 核心价值 To...
实时语义分割算法DDRNet解析训练和TensorRT加速
IEEE_FELLOW的博客
04-21 2675
留坑，有时间补上 TensorRT工程实现见https://github.com/midasklr/DDRNet.TensorRT
语义分割系列8-RefineNet（pytorch实现）
yumaomi的博客
05-19 3660
本文介绍了RefineNet的思想和具体架构，在pytorch上进行代码复现。本文提供了Resnet101-RefineNet的pytorch代码。
YOLOv5-7.0实例分割+TensorRT部署
恐龙先生的博客
08-11 3047
YOLOv5-7.0版本实例分割+部署
基于C++和TensorRT实现语义分割的程序源码+项目说明+模型+sln解决方案.zip
01-16
使用VOC Person Part 训练LW Refinenet ——resnet50 作为神经网络，生成onnx模型并导入c++中实现实时语义分割。 下载Resnet50 精度为64.1mIOU的onnx模型：百度云 密码：kx0j 效果 实验GPU：gtx1060 输入图像：512*...
RefDNet
03-25
例如，RefineNet是一个用于语义分割的模型，而RedNet则可能与残差网络相关。 接下来，根据用户提供的引用资料，特别是引用[2]提到的PIG-Net，以及引用[4]中提到的branchynet模型，可能RefDNet与点云处理或边缘计算...
【目标检测-YOLO】博客阅读：Introduction to the YOLO Family
博观约取，厚积薄发
04-07 2020
介绍YOLO家族 目标检测是计算机视觉研究的重要课题之一。大多数计算机视觉问题都涉及到检测视觉对象类别，如行人、汽车、公共汽车、人脸等。这一领域不仅局限于学术界，而且在视频监控、医疗保健、车载传感和自动驾驶等领域具有潜在的现实商业用例。 许多用例，特别是自主驾驶，都要求高精度和实时推理速度。因此，选择一个对象检测器，适合的速度和准确性成为必不可少的法案。YOLO (You Only Look Once)是一个单级对象检测器，用于实现两个目标(即速度和准确性)。今天，我们将通过涵盖所有YOLO变体(如
Python-Pytorch实现用于图像语义分割UNet
08-11
Pytorch实现用于图像语义分割：U-Net，具有密集的CRF后处理
Unet语义分割训练和TensorRT部署
08-14
Unet语义分割训练和TensorRT部署
RefineNet笔记
DreamLike_zzg的博客
01-30 398
RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation https://arxiv.org/pdf/1611.06612.pdf Thought 1、多利用residual 结构， 包括广义的，利于优化 2、与 FPN 同时间出现，当时流行特征融合 institution 1、subsa...
模型复现丨多级别高分辨率语义分割模型RefineNet的简单复现
m0_60673947的博客
12-28 2284
一、模型介绍 RefineNet提出了多路径网络，利用多级别的抽象用于高分辨率语义分割；通过使用带残差连接的同态映射构建所有组件，梯度能够在短距离和长距离传播，从而实现端到端的训练；提出了链式残差池化模块，从较大的图像区域俘获背景上下文。使用多个窗口尺寸获得有效的池化特征，并使用残差连接和学习到的权重融合到一起。 《RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation》发表于2017年.官方论
Refinenet 笔记
ahxieqi的博客
03-24 280
2019 March 24 Refinenet 笔记
目标分割(六)RefineNet讲解
Raywit的博客
02-27 8024
目标分割RefineNet讲解0. ABSTRACT1. INTRODUCTION2. STRUCTUREReference              原文：RefineNet 收录：CVPR 2017 (IEEE Conference on Computer Vision...
Retinanet训练自己的数据集
qq_44929031的博客
07-06 1904
Retinanet训练 Retinanet训练 之前配置的retinanet环境忽然调用不了GPU，尝试多数方法未解决，然后重新配置。 一.环境配置 使用的环境是ubuntu18.04,CUDA10.1。 下载Retinanet项目 git clone https://github.com/fizyr/keras-retinanet.git 编译 python setup.py build_ext --inplace 环境配置 pip install -r requirements.txt
C++:点云检测tensorrt推理
ywfwyht的博客
11-25 690
点云检测trt推理
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值