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。
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。
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’)
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~
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
— 完 —
订阅AI内参,获取AI行业资讯
加入社群
量子位AI社群开始招募啦,量子位社群分:AI讨论群、AI+行业群、AI技术群;
欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“微信群”,获取入群方式。(技术群与AI+行业群需经过审核,审核较严,敬请谅解)
诚挚招聘
量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「好看」吧 !