DDRNet:道路场景的实时语义分割 源码

正式实现“深度双分辨率网络,实时,准确地对道路场景进行语义分割” 无需使用推理加速和额外数据,即可在城市景观和camvid上实现精度与速度之间的最新权衡! 我们方法的整体架构。 “深度聚合金字塔合并模块(DAPPM)”的详细信息。 用法 当前,此回购包含用于分类和语义分段的模型代码和预训练模型。 您可以参考在本地培训和测试我们的模型。 我们将在稍后发布整个火车并测试代码。 注意 您应该采用一些基本的训练技巧来重现我们的结果,包括班级平衡样本,ohem,作物大小为1024x1024。 可以在找到更多详细信息。 预训练模型 DDRNet上的DDRNet_23_slim(top-1错误:29.8): DDRNet_23在ImageNet上(top-1错误:24.0): DDRNet_39在ImageNet上(top-1错误:22.6): DDRNet_23_slim在Cityscap