一大波PyTorch图像分割模型来袭,俄罗斯程序员出品新model zoo

一个新的图像分割model zoo来啦!

一大波基于PyTorch的图像分割模型整理好了就等你来用~

这个新集合由俄罗斯的程序员小哥Pavel Yakubovskiy一手打造,包含四种模型架构和30种预训练骨干模型(backbone),官方文档列举了四条主要特点:

  • 高级API(两行代码构建神经网络)
  • 4种模型架构:Unet,Linknet,FPN,PSPNet
  • 每个架构有30种可用的编码器
  • 所有编码器都具有预先训练的权重,可实现更快、更好的收敛

授人以鱼不如授人以渔,放出了model zoo还不算,小哥还贴心地提供了如何使用CamVid数据集进行训练的示例。

效果怎么样

CamVid数据集是计算机视觉领域常用的一个数据集,通常用来进行街景分割。

俄罗斯小哥用这个数据集训练了一个能识别出图片中汽车的新模型。无论这辆车是隐藏在暗夜之中还是只有黄豆大小,都逃不出图像分割模型的手掌心。

构建模型时他选择了传奇的Unet架构,并使用了se_resnext50_32x4d这个预训练骨干模型。

听上去好像很厉害的样子,但群众都相信眼见为实,不看看模型训练效果如何,心里难免有一丢丢怀疑。

嗯,看来不管是昏天黑地还是目标只有一丁点大,新模型的预测结果都挺不错。

再加大难度呢?

量子位表示眼已瞎,模型是真强。

Pavel Yakubovskiy小哥还在Colab上放了用Catalyst(PyTorch上的高级框架)训练模型的代码,感兴趣的话可以直接在浏览器上跑一下。

入园指南

model zoo已开源,免票入场,快来围观。

先来了解一下都有哪些预训练模型可以用:

以及它们的权重:

pip一下:

$ pip install segmentation-models-pytorch

$ pip install git+https://github.com/qubvel/segmentation_models.pytorch

python库安装完成,就可以轻松地创建模型啦:

1import segmentation_models_pytorch as smp
2model = smp.Unet()

根据训练任务的不同,可以通过调整骨干模型来改变网络结构,并且使用预训练权重来进行初始化:

1model = smp.Unet('resnet34', encoder_weights='imagenet')

也可以改变模型的输出类型:

1model = smp.Unet('resnet34', classes=3, activation='softmax')

所有的模型都有预训练编码器,因此准备数据的方法必须与进行权重训练时一致:

1from segmentation_models_pytorch.encoders import get_preprocessing_fn
2preprocess_input = get_preprocessing_fn(‘renset18’, pretrained=’imagenet’)

One More Thing

其实Pavel Yakubovskiy小哥早在去年就发布了一个基于Keras的图像分割model zoo,一经推出就颇受欢迎。

一样的配方,一样的味道,简单易用,一脉相承。麻麻再也不用担心我找不到合适的预训练模型。

不过基于Keras的版本预训练模型要少一些,小哥也没有放出对应的示例,效果如何,就需要自己去检验啦~

传送门

PyTorch版Github地址: https://github.com/qubvel/segmentation_models.pytorch

Keras版Github地址: https://github.com/qubvel/segmentation_models

Colab上手: https://colab.research.google.com/gist/Scitator/e3fd90eec05162e16b476de832500576/cars-segmentation-camvid.ipynb#scrollTo=A40deTWg-WJ1

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2019-05-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券