我们已经为您准备好复现该模型所需的环境,您可以创建实例、一键复用哦!

模型的使用文档涵盖模型所需环境、模型简介以及复现模型的具体步骤。模型效果和模型详细来源可以点击论文地址和模型来源链接查看哦~

RefineNet

2022-02-09 model:refinenet-ubuntu18.04-cuda10.0-cudnn7-python3.7-pytorch1.2.0

模型标签
图像分类图像分割智慧医疗智慧交通/自动驾驶安防监控

模型简介

模型介绍:RefineNet提出了多路径网络,利用多级别的抽象用于高分辨率语义分割;通过使用带残差连接的同态映射构建所有组件,梯度能够在短距离和长距离传播,从而实现端到端的训练;提出了链式残差池化模块,从较大的图像区域俘获背景上下文。使用多个窗口尺寸获得有效的池化特征,并使用残差连接和学习到的权重融合到一起。 《RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation》发表于2017年.官方论文:https://arxiv.org/abs/1611.06612v3



1. 使用方法

1.1. 模型推断

在终端,打开root/refinenet-pytorch/examples/notebooks路径下的voc.ipynb文件,通过以下方式运行代码:

"shift+enter"快捷键分段运行进行模型推断
# 模型推断将采用PASCAL VOC数据集
# 如需检测其他图片,可修改img_dir对应的待检测图片路径

1.2. 推断结果示意图

2. 模型来源

https://github.com/DrSleep/refinenet-pytorch