|
在呆板进修带来的全部倾覆性技能中，计较机视觉规模吸引了业内人士和学术界最大的存眷。
方才推出 1.3 正式版的 PyTorch 风头正劲，人们已经环绕这一深度进修框架开拓出了越来越多的器材。最近，一个名为 TorchCV 的计较机视觉模子框架站上了 GitHub 趋势榜。
项目链接：https://github.com/donnyyou/torchcv
该库提供了基于深度进修的大部门 CV 题目研究的源代码，对付行使者来说，挪用最常用、最为先辈的计较机模子以后可以变得越发轻易。TorchCV 的作者 Donny You 来自北京大学，是呆板感知与智能教诲部重点尝试室的一名研三门生。
TorchCV 支持的模子
TorchCV 支持图像分类、语义支解、方针检测、姿态检测、实例支解、天生反抗收集等使命中的多个常见模子，列表如下：
图像分类
- VGG: Very Deep Convolutional Networks for Large-Scale Image Recognition
- ResNet: Deep Residual Learning for Image Recognition
- DenseNet: Densely Connected Convolutional Networks
- ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices
- ShuffleNet V2: Practical Guidelines for Ecient CNN Architecture Design
- Partial Order Pruning: for Best Speed/Accuracy Trade-off in Neural Architecture Search
语义支解
- DeepLabV3: Rethinking Atrous Convolution for Semantic Image Segmentation
- PSPNet: Pyramid Scene Parsing Network
- DenseASPP: DenseASPP for Semantic Segmentation in Street Scenes
- Asymmetric Non-local Neural Networks for Semantic Segmentation
方针检测
- SSD: Single Shot MultiBox Detector
- Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
- YOLOv3: An Incremental Improvement
- FPN: Feature Pyramid Networks for Object Detection
姿态检测
- CPM: Convolutional Pose Machines
- OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
实例支解
Mask R-CNN
天生反抗收集
- Pix2pix: Image-to-Image Translation with Conditional Adversarial Nets
- CycleGAN: Unpaired Image-to-Image Translation using Cycle-Consistent
快速启动 TorchCV
TorchCV 今朝仅支持 Python3.x 和 pytorch 1.0。
- pip3 install -r requirements.txtcd extensions
- sh make.sh
操作 TorchCV 获得的模子机能数据
以下所示的机能数据完全复现了论文的功效。
图像分类
语义支解
方针检测
姿态预计
- OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
实例支解
天生反抗收集
TorchCV 的数据集
TorchCV 界说了你能在数据集子目次中查到的全部使命的数据名目。下面是一个用于实习语义支解的数据集目次树示例。你可以行使 datasets/seg/preprocess文件夹中的剧本对开源数据集举办预处理赏罚。
文件夹地点：https://github.com/donnyyou/torchcv/tree/master/datasets/seg/preprocess
TorchCV 的呼吁
项目作者提供了呼吁行器材，供用户行使模子，代码如下：
实习
- cd scripts/seg/cityscapes/
- bash run_fs_pspnet_cityscapes_seg.sh train tag
规复实习
- cd scripts/seg/cityscapes/
- bash run_fs_pspnet_cityscapes_seg.sh train tag
验证
- cd scripts/seg/cityscapes/
- bash run_fs_pspnet_cityscapes_seg.sh val tag
测试
- cd scripts/seg/cityscapes/
- bash run_fs_pspnet_cityscapes_seg.sh test tag
2019 年，PyTorch 正在逐渐赶超 TensorFlow，在研究规模成为最为风行的深度进修框架。跟着后者行使人数的增多，我们将来还会看到更多高效器材。
（编辑：河北网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
