GitHub项目推荐 | ChainerCV：计算机视觉中的深度学习图书馆

ChainerCV是一个使用Chainer训练和运行神经网络以进行计算机视觉任务的工具集合。

GitHub项目地址：https://github.com/chainer/chainercv

文档链接： http://chainercv.readthedocs.io/en/stable/

ChainerCV支持的任务如下：

• 图像识别 (ResNet, SENet, VGG)
• 对象检测 (教程, 更快的 R-CNN, SSD, YOLO)
• 语义分割 (SegNet, PSPNet)
• 实例分割 (FCIS,)

指导原则

ChainerCV 根据以下三个原则进行开发：

• 易用性：实现具有内聚性和简单接口的计算机视觉网络。
• 再现性：其训练脚本非常适合作为参考实现。
• 组合性：工具中具有通用API的数据加载器和评估脚本。

安装

$ pip install -U numpy$ pip install chainercv

用Anaconda进行安装的说明，请访问： http://chainercv.readthedocs.io/en/stable/#install-guide（推荐）

安装要求

• Chainer及其依赖项
• Pillow
• Cython (构建要求)

额外功能

• Matplotlib
• OpenCV
• SciPy
• mpi4py
• pycocotools

ChainerCV已经测试了在Python 2.7.12 和 3.6.0下的环境

• 主分支设计用于Chainer v4（稳定版）和Chainer v5（开发版）。
• 以下的分支保留了Chainer过去的版本，需要注意的是这些分支已经不再维护。

0.4.11（Chainer v1）。可以通过命令pip install chainercv == 0.4.11安装。

0.7（Chainer v2）。可以通过命令pip install chainercv == 0.7安装。

0.8（Chainer v3）。可以通过命令pip install chainercv == 0.8安装。

0.10（Chainer v4）。可以通过命令pip install chainercv == 0.10安装。

数据规范

1.图像

• 色彩通道的顺序为RGB；
• 形状为CHW（例如：（通道,高度,宽度））；
• 数值的范围是[0,255]；
• 大小用 行-列 的顺序表示（例如：（高度,宽度））

2.边界框

• 形状为（R,4）；
• 坐标排序为（y_min，x_min，y_max，x_max），顺序与OpenCV相反

3.语义分割图像

• 形状为（高度,宽度）；
• 值为 class id，其数值范围在[0，n_class - 1]之间

样本可视化

上图是ChainerCV支持的检测模型所输出的结果

引文

如果ChainerCV有助于你的研究，请引用ACM多媒体开源软件竞赛的论文。以下是一个BibTeX条目：

@inproceedings{ChainerCV2017,
    author = {Niitani, Yusuke and Ogawa, Toru and Saito, Shunta and Saito, Masaki},
    title = {ChainerCV: a Library for Deep Learning in Computer Vision},
    booktitle = {ACM Multimedia},
    year = {2017},
}

论文的查看入口： https://arxiv.org/abs/1708.08169