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

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181115A1KO4300?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励