YOLOv5+BiSeNe同时进行目标检测和语义分割
向AI转型的程序员都关注了这个号????????????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:代码获取方式:关注公众号datayx然后回复分割即可获取。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
向AI转型的程序员都关注了这个号👇👇👇
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:
代码获取方式:
关注 公众号 datayx 然后回复 分割 即可获取。
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。
人工智能
视频号
长按图片,识别二维码
阅读过本文的人还看了以下文章:
基于40万表格数据集TableBank,用MaskRCNN做表格检测
《深度学习入门:基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分?
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加: datayx
更多推荐
所有评论(0)