基于PyTorch的CV模型框架，北大学生出品TorchCV

机器之心整理

参与：张倩、泽南

在机器学习带来的所有颠覆性技术中，计算机视觉领域吸引了业内人士和学术界最大的关注。

刚刚推出 1.3 正式版的 PyTorch 风头正劲，人们已经围绕这一深度学习框架开发出了越来越多的工具。最近，一个名为 TorchCV 的计算机视觉模型框架站上了 GitHub 趋势榜。

项目链接：https://github.com/donnyyou/torchcv

该库提供了基于深度学习的大部分 CV 问题研究的源代码，对于使用者来说，调用最常用、最为先进的计算机模型从此可以变得更加容易。TorchCV 的作者 Donny You 来自北京大学，是机器感知与智能教育部重点实验室的一名研三学生。

TorchCV 支持的模型

TorchCV 支持图像分类、语义分割、目标检测、姿态检测、实例分割、生成对抗网络等任务中的多个常见模型，列表如下：

图像分类

• VGG: Very Deep Convolutional Networks for Large-Scale Image Recognition

• ResNet: Deep Residual Learning for Image Recognition

• DenseNet: Densely Connected Convolutional Networks

• ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices

• ShuffleNet V2: Practical Guidelines for Ecient CNN Architecture Design

• Partial Order Pruning: for Best Speed/Accuracy Trade-off in Neural Architecture Search

语义分割

• DeepLabV3: Rethinking Atrous Convolution for Semantic Image Segmentation

• PSPNet: Pyramid Scene Parsing Network

• DenseASPP: DenseASPP for Semantic Segmentation in Street Scenes

• Asymmetric Non-local Neural Networks for Semantic Segmentation

目标检测

• SSD: Single Shot MultiBox Detector

• Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

• YOLOv3: An Incremental Improvement

• FPN: Feature Pyramid Networks for Object Detection

姿态检测

• CPM: Convolutional Pose Machines

• OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

实例分割

• Mask R-CNN

生成对抗网络

• Pix2pix: Image-to-Image Translation with Conditional Adversarial Nets

• CycleGAN: Unpaired Image-to-Image Translation using Cycle-Consistent 

快速启动 TorchCV

TorchCV 目前仅支持 Python3.x 和 pytorch 1.0。

pip3 install -r requirements.txtcd extensions
sh make.sh

利用 TorchCV 得到的模型性能数据

以下所示的性能数据完全复现了论文的结果。

图像分类

语义分割

目标检测

姿态估计

• OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

实例分割

• Mask R-CNN

生成对抗网络

• Pix2pix

• CycleGAN

TorchCV 的数据集

TorchCV 定义了你能在数据集子目录中查到的所有任务的数据格式。下面是一个用于训练语义分割的数据集目录树示例。你可以使用 datasets/seg/preprocess文件夹中的脚本对开源数据集进行预处理。

文件夹地址：https://github.com/donnyyou/torchcv/tree/master/datasets/seg/preprocess

TorchCV 的命令

项目作者提供了命令行工具，供用户使用模型，代码如下：

训练

cd scripts/seg/cityscapes/
bash run_fs_pspnet_cityscapes_seg.sh train tag

恢复训练

cd scripts/seg/cityscapes/
bash run_fs_pspnet_cityscapes_seg.sh train tag

验证

cd scripts/seg/cityscapes/
bash run_fs_pspnet_cityscapes_seg.sh val tag

测试

cd scripts/seg/cityscapes/
bash run_fs_pspnet_cityscapes_seg.sh test tag

2019 年，PyTorch 正在逐渐赶超 TensorFlow，在研究领域成为最为流行的深度学习框架。随着后者使用人数的增多，我们未来还会看到更多高效工具。

10月16日晚，NVIDIA GPU 计算专家团队高级工程师季光博士将带来线上主题分享：利用 TensorRT 自由搭建高性能推理模型。点击阅读原文立即免费报名。