Слияние кода завершено, страница обновится автоматически
📘Документация | 🛠️Установка | 👀Модели | 🆕Обновление новостей | 🤔Отчет о проблемах
Английский | Китайский (упрощённый)
Это часть проекта OpenMMLab.
Основной ветвью поддерживаются версии PyTorch 1.5+.
Унифицированный бенчмарк
Мы предоставляем унифицированный набор инструментов для проведения бенчмарков различных методов семантического сегментирования.
Модульная архитектура
Мы декомпозируем семантический сегментатор на различные компоненты, что позволяет легко создавать кастомизированную архитектуру путём объединения разных модулей.
Поддержка нескольких методов "из коробки"
Набор инструментов непосредственно поддерживает популярные и современные семантические сегментаторы, такие как PSPNet, DeepLabV3, PSANet, DeepLabV3+, и т.д.
Высокая эффективность
Скорость обучения быстрее или сравнима со скоростью других наборов кода.
v0.30.0 была выпущена 01/11/2023:
Дополнительные детали и история выпусков можно найти в changelog.md.
Подробности новых возможностей доступны в ветке 1.x. Приветствуем отчеты об ошибках и pull requests!
Для установки и подготовки данных обратитесь к get_started.md и dataset_prepare.md соответственно.
Для базового использования MMSegmentation обратитесь к train.md и inference.md. Также есть руководства по:
Приведён также учебник для Google Colab. Вы можете просмотреть ноутбук здесь или запустить его непосредственно в Colab здесь.
Результаты и модели доступны в модельном зоопарке.Поддерживаемые основные сети:
Поддерживаемые методы:
Поддерживаемые наборы данных:- [x] Cityscapes
Благодарим всех за вклад в улучшение MMSegmentation. Для руководства по внесению вклада обратитесь к CONTRIBUTING.md.
MMSegmentation — это открытый проект, который приветствует любую помощь и отзывы. Мы надеемся, что этот набор инструментов и бенчмарки будут полезны растущему сообществу исследователей, предоставляя гибкий и стандартизованный набор инструментов для переimplementации существующих методов и создания новых методов семантического сегментирования.
Если вы используете этот проект в своих исследованиях, пожалуйста, рассмотрите возможность цитирования:
@misc{mmseg2020,
title={{MMSegmentation}: Инструменты и Бенчмарк для Семантического Сегментирования от OpenMMLab},
author={Contributors MMSegmentation},
howpublished = {\url{https://github.com/open-mmlab/mmsegmentation}},
year={2020}
}
MMSegmentation распространяется под лицензией Apache 2.0, хотя некоторые конкретные функции этого библиотеки могут иметь другие лицензии. Если вы используете наш код для коммерческих целей, пожалуйста, обратитесь к LICENSES.md для детального анализа.## Проекты в OpenMMLab- MMCV: Основная библиотека OpenMMLab для компьютерного зрения.
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Комментарии ( 0 )