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,title= ,booktitle= ,year= {2017},}

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