YOLOv5+BiSeNe同时进行目标检测和语义分割

模型架构

目标检测模型采用的是YOLOv5，语义分割模型采用的是部分BiSeNet结构，放张BiSeNet的结构图：

核心代码

原作者目标检测使用的Coco数据集，语义分割使用的是Cityscapes数据集。

模型主要是在YOLOv5-5.0版本上进行修改的，基准模型采用的是YOLOv5m，语义分割的实现主要是在模型输出的Head部分添加了一个头： yolov5m_city_seg.yaml

代码中，在最后的输出部分，作者添加了3个和Detect平行的分割头，其中，SegMaskLab、SegMaskPSP、SegMaskBiSe、SegMaskBase分别是不同的独立结构，是作者实验所用。在yolo.py中，可以看到它们详细的结构：

下面是模型检测(detect.py)中的主要改动，在模型输出部分使用seg来获取语义分割结果，再利用提前定义好的颜色图Cityscapes_COLORMAP分别给分割部分上色。