代码 https://github.com/CSAILVision/semantic-segmentation-pytorch
相关论文 https://arxiv.org/pdf/1608.05442.pdf
ubuntu16.04 + pycharm + python3.5 + cuda9.0(显卡1070)
相关库的版本
future 0.18.2
numpy 1.18.5
opencv-python 3.4.1.15
Pillow 7.2.0
pip 19.0.3
PyYAML 5.3.1
scipy 1.4.1
setuptools 40.8.0
six 1.15.0
torch 0.4.1
torchvision 0.2.1
tqdm 4.55.0
yacs 0.1.8
1.在工程路径下创建ckpt文件夹,并将http://sceneparsing.csail.mit.edu/model/pytorch中模型文件夹 ade20k-resnet50dilated-ppm_deepsup 下载后放进去
2.在工程路径下创建测试图片文件夹test_img,将需要测试的图片放进去,如图:
3.将parser的‘’--img参数的相关代码改为:
parser.add_argument(
"--imgs",
default='/home/dl/PycharmProjects/MITSS/test_img',
required=False,
type=str,
help="an image path, or a directory name"
)
4.parser的‘--cfg’参数代码改为:(注意yaml的文件名要和ckpt内的文件名对应)
parser.add_argument(
"--cfg",
default="config/ade20k-resnet50dilated-ppm_deepsup.yaml",
metavar="FILE",
help="path to config file",
type=str,
)
测试结果:
对大目标的分割不太好