Deep Extreme Cut (DEXTR) 项目安装与配置指南

Deep Extreme Cut (DEXTR) 项目安装与配置指南

DEXTR-PyTorch Deep Extreme Cut http://www.vision.ee.ethz.ch/~cvlsegmentation/dextr 项目地址: https://gitcode.com/gh_mirrors/de/DEXTR-PyTorch

1. 项目基础介绍

Deep Extreme Cut (DEXTR) 是一个基于深度学习的图像对象分割项目。该项目通过使用极端点（如对象的左上角和右下角像素）作为输入，来获得精确的对象分割。DEXTR 的核心是一个卷积神经网络 (CNN)，它能够将包含极端点信息的额外通道转换为对象的分割。此项目适用于引导式分割、交互式分割、视频对象分割和密集分割注释等多种场景。

主要编程语言：Python

2. 项目使用的关键技术和框架

• 卷积神经网络 (CNN)：用于从图像中学习特征并进行分割。
• PyTorch：深度学习框架，用于实现和训练 CNN 模型。
• 极端点输入：利用对象边缘的极端点作为额外通道输入到 CNN 中。

3. 项目安装和配置的准备工作及详细步骤

准备工作

• 确保系统中已安装有 Miniconda 或 Anaconda。
• 确保安装了 Python 3.6 或更高版本。
• 准备好 Git 来克隆项目仓库。

安装步骤

1. 克隆项目仓库：

   git clone https://github.com/scaelles/DEXTR-PyTorch.git
   cd DEXTR-PyTorch
   

2. 安装项目依赖：

   conda install pytorch torchvision -c pytorch
   conda install matplotlib opencv pillow scikit-learn scikit-image
   

3. 下载预训练的 DEXTR 模型：

   cd models/
   chmod +x download_dextr_model.sh
   ./download_dextr_model.sh
   cd ..
   

   注意：默认下载的是在 PASCAL VOC Segmentation train + SBD (10582 图像) 上训练的模型。如果需要其他数据集上的预训练模型，请访问项目页面或查看 README 文件的底部。

4. (可选) 如果需要在 Pascal 数据集上训练和评估 DEXTR，还需要安装 tensorboard：

   pip install tensorboard tensorboardx
   

   并且下载预训练的 PSPNet 模型：

   cd models/
   chmod +x download_pretrained_psp_model.sh
   ./download_pretrained_psp_model.sh
   cd ..
   

5. 设置数据集路径：

   打开 mypath.py 文件，将 $pascal_path 变量设置为 Pascal/SBD 数据集的存储位置。

6. (可选) 训练模型：

   修改 train_pascal.py 文件中的默认参数（如 gpu_id），然后运行以下命令：

   python train_pascal.py
   

   根据需要调整参数。

完成上述步骤后，您就可以开始使用 DEXTR 进行图像分割任务了。您可以尝试运行 demo.py 来查看演示效果。

python demo.py

如果一切配置正确，您将看到分割的结果。

DEXTR-PyTorch Deep Extreme Cut http://www.vision.ee.ethz.ch/~cvlsegmentation/dextr 项目地址: https://gitcode.com/gh_mirrors/de/DEXTR-PyTorch