【语义分割】——STDC-Seg快又强 + 细节边缘的监督 1. 简介 前面也介绍了几篇强大的实时语义分割项目或者paper,这里再介绍一个来自美团CVPR2021的项目:STDC-Seg,既然是上了CVPR的,肯定是精度又高,速度上也很能打的。这里先看论文给出的直观对比图。 再附上,我在TX2上实测对比表格: 可以看到,STDC-Seg,AttaNet...
分析表明,在0.5×的输入尺度下STDC-Align网络实现了73.57%mIOU,比STDC-Seg高0.37%。此外,STDC-Align网络的参数为21.0M,比STDC-Seg的参数少1.3M。 2、分层多尺度注意力的影响 这里,在STDC-Seg网络中采用了分层多尺度注意力机制,认为该方法可以识别不同尺度之间的不同兴趣部分,实现优势互补。(0.5×和1.0×)尺度图...
我把stdc-seg模型在cpu上量化之后在mlu上推理报错如下 源码: # 模型量化 qconfig = {'use_avg': False, 'data_scale': 1.0, 'firstconv': False, 'per_channel': False} quantized_model = mlu_quantize.quantize_dynamic_mlu(net, qconfig_spec=qconfig, dtype='int8', gen_quant=True) quantized_...
1. Train STDC-Seg Note: Backbone STDCNet813 denotes STDC1, STDCNet1446 denotes STDC2. Train STDC1Seg: export CUDA_VISIBLE_DEVICES=0,1,2 python -m torch.distributed.launch \ --nproc_per_node=3 train.py \ --respath checkpoints/train_STDC1-Seg/ \ --backbone STDCNet813 \ --mode tr...
self.labels.update(dict(zip(names, lbpths))) self.imnames = imgnames self.len = len(self.imnames) print('self.len', self.mode, self.len) assert set(imgnames) == set(gtnames) assert set(self.imnames) == set(self.imgs.keys()) assert set(self.imnames) == set(self....
上表中的Seg50表示输入图片分辨率为512 \times 1024,Seg75表示输入图片分辨率为768 \times 1536。 从上表中可以看出,STDC分割网络在保持高推理速度的同时有着更高的精度。 一个更直观的比较如下图所示: 上表中的性能是在Cityscapes测试集上的结果,FPS在1080Ti GPU上使用batch为1时测得。 3.3 Detail Guidance对...
FFM的输出特征通过上采样进入Seg Head,Seg Head包括卷积、BN和ReLU操作,以及卷积,最终输出维度特征,即分割类别数。 Detail Head 为了弥补去除BiSeNet中的Spatial分支造成的细节损失,作者在Stage3后面插入了Detail Head。该Detail Head仅在训练时使用,目的是让Stage3输出的特征图包含更多的细节特征,以便与Context分支的高...
实验结果表明,STDC网络在ImageNet、Cityscapes和CamVid上取得了新的技术成果。具体来说,我们的STDC1-Seg50在一个NVIDIA GTX 1080Ti卡上以250.4 FPS的速度在Cityscapes测试集上实现71.9%的mIoU。在相同的实验设置下,我们的STDC2-Seg75以97.0 FPS的速度实现了76.8%的mIoU。
atari/STDC-Seg 代码 Issues 0 Pull Requests 0 Wiki 统计 流水线 服务 Gitee Pages JavaDoc PHPDoc 质量分析 Jenkins for Gitee 腾讯云托管 腾讯云 Serverless 悬镜安全 阿里云 SAE Codeblitz 我知道了,不再自动展开 统计 搜索 Star (1) yanbaek 关注 ...
dilation rates. In addition, we propose a lightweight decoder that restores local information better than common alternatives. To demonstrate the effectiveness of our approach, our model RegSeg achieves competitive results on real-time Cityscapes and CamVid datasets. Using a T4 GPU with mixed ...