sssegmentation

文档：https://sssegmentation.readthedocs.io/en/latest/

简介

SSSegmentation是一个基于PyTorch的开源监督语义分割工具箱。如果它对您有帮助，您可以点星标记此仓库以跟踪项目，感谢您的支持。

主要特点

高性能

重新实现的分割算法性能优于或可与其他代码库相媲美。
模块化设计和统一基准

各种分割方法被统一为几个特定模块。得益于这种设计，SSSegmentation可以整合大量流行和当代的语义分割框架，然后在统一的基准上进行训练和测试。
较少依赖

在复现新颖的语义分割方法时，SSSegmenation尽最大努力避免引入更多依赖。

基准和模型库

支持的骨干网络

骨干网络	模型库	论文链接	代码片段
ConvNeXtV2	点击	CVPR 2023	点击
MobileViTV2	点击	ArXiv 2022	点击
ConvNeXt	点击	CVPR 2022	点击
MAE	点击	CVPR 2022	点击
MobileViT	点击	ICLR 2022	点击
BEiT	点击	ICLR 2022	点击
Twins	点击	NeurIPS 2021	点击
SwinTransformer	点击	ICCV 2021	点击
VisionTransformer	点击	IClR 2021	点击
BiSeNetV2	点击	IJCV 2021	点击
ResNeSt	点击	ArXiv 2020	点击
CGNet	点击	TIP 2020	点击
HRNet	点击	CVPR 2019	点击
MobileNetV3	点击	ICCV 2019	点击
FastSCNN	点击	ArXiv 2019	点击
BiSeNetV1	点击	ECCV 2018	点击
MobileNetV2	点击	CVPR 2018	点击
ERFNet	点击	T-ITS 2017	点击
ResNet	点击	CVPR 2016	点击
UNet	点击	MICCAI 2015	点击

支持的分割器

分割器	模型库	论文链接	代码片段
SAMV2	点击	ArXiv 2024	点击
EdgeSAM	点击	ArXiv 2023	点击
IDRNet	点击	NeurIPS 2023	点击
MobileSAM	点击	ArXiv 2023	点击
SAMHQ	点击	NeurIPS 2023	点击
SAM	点击	ArXiv 2023	点击
MCIBI++	点击	TPAMI 2022	点击
Mask2Former	点击	CVPR 2022	点击
ISNet	点击	ICCV 2021	点击
MCIBI	点击	ICCV 2021	点击
MaskFormer	点击	NeurIPS 2021	点击
Segformer	点击	NeurIPS 2021	点击
SETR	点击	CVPR 2021	点击
ISANet	点击	IJCV 2021	点击
DNLNet	点击	ECCV 2020	点击
PointRend	点击	CVPR 2020	点击
OCRNet	点击	ECCV 2020	点击
GCNet	点击	TPAMI 2020	点击
APCNet	点击	CVPR 2019	点击
DMNet	点击	ICCV 2019	点击
ANNNet	点击	ICCV 2019	点击
EMANet	点击	ICCV 2019	点击
FastFCN	点击	ArXiv 2019	点击
SemanticFPN	点击	CVPR 2019	点击
CCNet	点击	ICCV 2019	点击
CE2P	点击	AAAI 2019	点击
DANet	点击	CVPR 2019	点击
PSANet	点击	ECCV 2018	点击
UPerNet	点击	ECCV 2018	点击
EncNet	点击	CVPR 2018	点击
Deeplabv3Plus	点击	ECCV 2018	点击
NonLocalNet	点击	CVPR 2018	点击
ICNet	点击	ECCV 2018	点击
混合精度（FP16）训练	点击	ArXiv 2017	点击
Deeplabv3	点击	ArXiv 2017	点击
PSPNet	点击	CVPR 2017	点击
FCN	点击	TPAMI 2017	点击

支持的数据集

数据集	项目链接	论文链接	代码片段	下载脚本
VSPW	点击	CVPR 2021	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh vspw` </details>
Supervisely	点击	网站发布 2020	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh supervisely` </details>
Dark Zurich	点击	ICCV 2019	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh darkzurich` </details>
Nighttime Driving	点击	ITSC 2018	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh nighttimedriving` </details>
CIHP	点击	ECCV 2018	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh cihp` </details>
COCOStuff10k	点击	CVPR 2018	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh cocostuff10k` </details>
COCOStuff164k	点击	CVPR 2018	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh coco` </details>
MHPv1&v2	点击	ArXiv 2017	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh mhpv1` 和 `bash scripts/prepare_datasets.sh mhpv2` </details>
LIP	点击	CVPR 2017	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh lip` </details>
ADE20k	点击	CVPR 2017	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh ade20k` </details>
SBUShadow	点击	ECCV 2016	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh sbushadow` </details>
CityScapes	点击	CVPR 2016	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh cityscapes` </details>
ATR	点击	ICCV 2015	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh atr` </details>
Pascal Context	点击	CVPR 2014	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh pascalcontext` </details>
MS COCO	点击	ECCV 2014	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh coco` </details>
HRF	点击	国际生物医学科学杂志 2013	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh hrf` </details>
CHASE DB1	点击	TBME 2012	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh chase_db1` </details>
PASCAL VOC	点击	IJCV 2010	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh pascalvoc` </details>
DRIVE	点击	TMI 2004	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh drive` </details>
STARE	点击	TMI 2000	点击	<details><summary>命令</summary> `bash scripts/prepare_datasets.sh stare` </details>

引用

如果您在研究中使用了SSSegmentation，请考虑引用本项目，

@article{jin2023sssegmenation,
    title={SSSegmenation: An Open Source Supervised Semantic Segmentation Toolbox Based on PyTorch},
    author={Jin, Zhenchao},
    journal={arXiv preprint arXiv:2305.17091},
    year={2023}
}

@inproceedings{jin2021isnet,
    title={ISNet: Integrate Image-Level and Semantic-Level Context for Semantic Segmentation},
    author={Jin, Zhenchao and Liu, Bin and Chu, Qi and Yu, Nenghai},
    booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
    pages={7189--7198},
    year={2021}
}

@inproceedings{jin2021mining,
    title={Mining Contextual Information Beyond Image for Semantic Segmentation},
    author={Jin, Zhenchao and Gong, Tao and Yu, Dongdong and Chu, Qi and Wang, Jian and Wang, Changhu and Shao, Jie},
    booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
    pages={7231--7241},
    year={2021}
}
@article{jin2022mcibi++,
    标题={MCIBI++: 软挖掘图像之外的上下文信息用于语义分割},
    作者={金振超 和 于东东 和 袁哲寰 和 于乐泉},
    期刊={IEEE模式分析与机器智能汇刊},
    年份={2022},
    出版社={IEEE}
}

@inproceedings{jin2023idrnet,
    标题={IDRNet: 用于语义分割的干预驱动关系网络},
    作者={金振超 和 胡晓伟 和 朱凌婷 和 宋路川 和 袁丽 和 于乐泉},
    会议={第三十七届神经信息处理系统大会},
    年份={2023}
}