最新

热搜企业:

Fork 0 关注 0

本项目是基于 PyTorch 实现的图像分割和物体检测模型。本项目实现了 ResNet-18,ResNet-34 等网络,并在 PASCAL VOC 2012 数据集上进行了验证,同时也在 Endovis 2017 数据集上进行了测试。开发者可以很容易的从本项目获得启发,并应用相关模型到自己的任务中。

原始仓库地址:https://github.com/warmspringwinds/pytorch-segmentation-detection.git

浏览量:17 下载量:0 项目类别: 语义分割
3 months前更新
Fork 0 关注 0

本项目是基于 TensorFlow 和 TF-Slim 实现的图像分割工具库。本项目的优点包括:1.通过统一的界面将一些流行的图像分割数据集转换为易于使用的训练格式;2.通过实时数据增强(缩放,颜色失真)进行训练;3.被证明适用于特定模型/数据集对的训练例程。;4.使用常见的精度度量来评估训练模型的精度:平均IOU,平均像素。精度,像素精度。

原始仓库地址:https://github.com/warmspringwinds/tf-image-segmentation.git

浏览量:6 下载量:0 项目类别: 语义分割
3 months前更新
Fork 0 关注 0

本项目使用一些增强功能的区分损失功能来实现语义实例分割。本模型可预测语义分段掩码,类似于“ 走向端到端通道检测:实例分段方法”。预测实例的嵌入,并预测由于聚类而产生的实例数量。本项目基于VGG16的前七个卷积层的带有跳过连接的ReSeg作为分段网络,或者使用Stacked Recurrent Hourglass的增强版。

原始仓库地址:https://github.com/wizaron/instance-segmentation-pytorch.git

浏览量:15 下载量:0 项目类别: 语义分割
3 months前更新
sec Python
Fork 0 关注 0

本项目使用一种用于训练卷积神经网络的新的复合损失函数,用于弱监督图像分割的任务。图像分类神经网络可用于生成可靠的对象定位提示,但无法预测对象的确切空间范围。通过使用种子损失来结合这一方面,该种子损失鼓励分割网络匹配定位提示,但与图像的其余部分无关。要从每个图像注释中训练分割网络,可以使用全局池层,该全局池层将分割蒙版聚合为图像级标签分数。该层的选择对分段的质量有很大的影响。本项目使用一种全局加权的等级池,该扩展池可利用扩展损失来将对象种子扩展到合理大小的区域。

原始仓库地址:https://github.com/kolesman/sec.git

浏览量:10 下载量:0 项目类别: 语义分割
3 months前更新
Fork 0 关注 0

本项目是基于 TensorFlow 实现的语义分割模型 RTSeg。语义分割有利于机器人相关应用,特别是自主驾驶。目前对语义切分的研究大多只停留在提高切分模型的精度上,而很少关注计算效率高的解。在这个方向上进行的少数工作没有提供原则性的方法来评估分割的不同设计选择。本项目是一个实时语义分割基准框架,并对特征提取和解码方法进行了解耦设计。

原始仓库地址:https://github.com/msiam/tfsegmentation.git

浏览量:13 下载量:0 项目类别: 语义分割
3 months前更新
ssai-cnn Python
Fork 0 关注 0

本项目是基于 Chainer 实现的语义分割模型。本项目是专门为航空、卫星图片而设计的。本项目使用一种基于卷积神经网络(CNN)的建筑物和道路提取系统。这将航空图像中的原始像素值作为输入,并输出预测的三通道标签图像(建筑物-道路-背景)。利用CNNs自动构造特征抽取器和分类器。本项目提高了预测性能,并超过了在公开可用的航空图像数据集上测试的最新结果

原始仓库地址:https://github.com/mitmul/ssai-cnn.git

浏览量:8 下载量:0 项目类别: 语义分割
3 months前更新
Fork 0 关注 0

本项目是基于 Chainer 实现的场景分析网络。本项目所使用的金字塔池化模块( pyramid pooling module)能够聚合不同区域的上下文信息,从而提高获取全局信息的能力。实验表明这样的先验表示(即PSP这个结构)是有效的,在多个数据集上展现了优良的效果。

原始仓库地址:https://github.com/mitmul/chainer-pspnet.git

浏览量:12 下载量:0 项目类别: 语义分割
3 months前更新
segmentation Python
Fork 0 关注 0

本项目是一个基于 TensorFlow 实现的语义分割网络。许多移动应用需要实时语义分割(Real-time Semantic Segmentation)模型,现有的深度神经网络难以实现,问题在于深度神经网络需要大量的浮点运算,导致运行时间长,从而降低了时效性。本项目针对这一问题提出的一种新型有效的深度神经网络,相比于现有的模型,在速度加快了18×倍,浮点计算量上减少了75×,参数减少了79×,且有相似的精度。

原始仓库地址:https://github.com/fregu856/segmentation.git

浏览量:9 下载量:0 项目类别: 语义分割
3 months前更新
Fork 0 关注 0

本项目是一个基于 Caffe 的语义分割模型。SegNet是Cambridge提出旨在解决自动驾驶或者智能机器人的图像语义分割深度网络,开放源码,基于caffe框架。SegNet基于FCN,修改VGG-16网络得到的语义分割网络,有两种版本的SegNet,分别为SegNet与Bayesian SegNet。SegNet的编码器部分使用的是VGG16的前13层卷积网络,每个编码器层都对应一个解码器层,最终解码器的输出被送入soft-max分类器以独立的为每个像素产生类概率。

原始仓库地址:https://github.com/timosaemann/caffe-segnet-cudnn5.git

浏览量:10 下载量:0 项目类别: 语义分割
3 months前更新
enet Python
Fork 0 关注 0

本项目是一个用于语义分割的实时模型。许多移动应用需要实时语义分割(Real-time Semantic Segmentation)模型,现有的深度神经网络难以实现,问题在于深度神经网络需要大量的浮点运算,导致运行时间长,从而降低了时效性。ENet即针对这一问题提出的一种新型有效的深度神经网络,相比于现有的模型,在速度加快了18×倍,浮点计算量上减少了75×,参数减少了79×,且有相似的精度

原始仓库地址:https://github.com/timosaemann/enet.git

浏览量:6 下载量:0 项目类别: 语义分割
3 months前更新

ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie