计图语义分割模型库

Github: https://github.com/Jittor/segmentation-jittor

本次计图平台所发布的语义分割模型库，已经支持了目前主流的语义分割算法。其中包含了三种经典的 Backbone ，以及六种常见的分割 Head，具体如下表所示。

Backbone	Segmentation head
ResNet	PSPNet
Res2Net	Deeplab V3+
MobileNet	DANet
	OCNet
	ANN
	OCRNet

我们对上面所提到的模型在 PASCAL VOC 数据集上做了完整的训练以及 single scale 的测试，得到的测试结果如下。

Model	backbone	batch size	stride	input size	miou
Deeplab	resnet-101	8	16	513 x 513	78.38
Deeplab	resnet-101	16	16	513 x 513	78.50
Deeplab	mobilenet	8	16	513 x 513	70.15
Deeplab	res2net-101	8	16	513 x 513	78.89
PSPNet	resnet-101	8	16	513 x 513	77.48
DANet	resnet-101	8	16	513 x 513	76.80
OCNet	resnet-101	8	16	513 x 513	76.77
ANN	resnet-101	8	16	513 x 513	77.50
OCRNet	resnet-101	8	16	513 x 513	78.30

本模型库的安装以及使用方法: 首先需要下载整个模型库到本地

$ git clone https://github.com/Jittor/segmentation-jittor.git

然后需要在 此处 下载 backbone 的预训练模型，并放在 ./pretrained_model 目录下面

通过 settings.py 文件来修改相关路径和模型配置，使用命令

$ sh train.sh

即可进行完整的训练

欢迎大家使用Jittor的GAN模型库开展自己的研究工作。如果大家发现模型库有什么问题，或者有自己实现的GAN想要发布在这里，请大家在github提交issue或者pr。

参考

[1]openseg

[2]Pytorch-Deeplab

[3]DANet

[4]EMANet