qq_38109843的博客

cityscapes分割benchmarkhttps://www.cityscapes-dataset.com/benchmarks/目前cityscapes排名靠前并且开源的算法有两个：HRNetV2 + OCR + SegFix和Hierarchical Multi-Scale Attention for Semantic Segmentation。HRNetV2 + OCRhrnet官方：https://github.com/HRNet/HRNet-Semantic-Segmentation

蓝色识别def test(): image_name = sys.argv[1] img = cv2.imread(image_name) height, width = img.shape[:2] #size = (int(width * 0.1), int(height * 0.1)) # bgr #img = cv2.resize(img, size, interpolation=cv2.INTER_AREA) HSV=cv2.cvtColor

源码：https://github.com/HRNet/HRNet-Semantic-Segmentation/，我用的是pytorchv1.1分支。这么好的项目居然没有inference代码，于是自己整理了一个简单的demo。jit和onnx model导出jit模型需要torch>=1.8import torchimport torchvisionimport argparseimport _init_pathsfrom config import configfrom conf

以VOC2012数据集为基准，制作成此类格式：# pascal_voc_seg# + VOCdevkit# + VOC2012# + JPEGImages# + SegmentationClassVOC抽取人person类import xml.etree.ElementTree as ETimport pickleimport osimport sysimport argparseimport shutilimp

Mask Scoring R-CNN论文：https://arxiv.org/abs/1903.00241GitHub地址：https://github.com/zjhuang22/maskscoring_rcnnYOLACT论文：https://arxiv.org/abs/1904.02689GitHub地址： https://github.com/dbolya/yolact自己先简单做...

Deeplabv1模型结构1.VGG16的全连接层(FC层)转为卷积层（步幅32,步幅=输入尺寸/输出特征尺寸）2.最后的两个池化层去掉了下采样（目标步幅8）3.后续卷积层的卷积核改为了空洞卷积（扩大感受野，缩小步幅）4.在ImageNet上预训练的VGG16权重上做fine-tune（迁移学习）DCNN存在的问题 DeepLab的解决思路1.多次池化、下采样使输出信号分辨率变小：...

发现比赛的时候已经只剩一个多星期了，最后勉强排在120名，做一下记录。数据训练：4716150141，7747046050测试：3724119903，2593628832首先训练要对训练集进行切割，在预测的时候要先切割再预测，再合并。训练集切割和测试集切割不一样，训练集切割的图像可以有交集，如果测试集图像有交集切割不太方便合并，故分为两部分代码。代码都是由参加比赛的大神们写的，只是做了简...