渐进式语义分割 (MagNet)
MagNet是一个多尺度框架，通过在多个放大级别观察图像来解决局部歧义。它具有多个处理阶段，每个阶段对应一个放大级别，一个阶段的输出被输入到下一个阶段以进行从粗到细的信息传播。在城市景观、航拍场景和医学图像三个高分辨率数据集上的实验表明，MagNet在性能上始终显著优于现有最先进的方法。
MagNet模型架构和实验结果的详细信息可以在我们的以下论文中找到：
@inproceedings{m_Huynh-etal-CVPR21,
author = {Chuong Huynh and Anh Tran and Khoa Luu and Minh Hoai},
title = {Progressive Semantic Segmentation},
year = {2021},
booktitle = {Proceedings of the {IEEE} Conference on Computer Vision and Pattern Recognition (CVPR)},
}
当使用MagNet产生发表的结果或将其整合到其他软件中时，请引用我们的论文。
数据集
当前代码提供了在两个数据集上进行训练和评估的配置：Cityscapes和DeepGlobe。要准备数据集，请在./data目录中执行以下步骤：
Cityscapes数据集
- 在此页面注册账户并登录。
- 下载
leftImg8bit_trainvaltest.zip和gtFine_trainvaltest.zip。 - 运行以下脚本将zip文件解压到正确位置：
sh ./prepare_cityscapes.sh
DeepGlobe数据集
sh ./prepare_deepglobe.sh
如果您想使用自己的数据集进行训练/评估，请按照此文档中的步骤操作。
入门
要求
该框架在具有以下环境的机器上测试通过：
- Python >= 3.6
- CUDA >= 10.0
要安装依赖项，请运行以下命令：
pip install -r requirements.txt
预训练模型
预训练模型在数据集上的性能：
| 数据集 | 骨干网络 | 基线 IoU (%) | MagNet IoU (%) | MagNet-Fast IoU (%) | 下载 |
|---|---|---|---|---|---|
| Cityscapes | HRNetW18+OCR | 63.24 | 68.20 | 67.37 | 骨干网络<br>refine_512x256<br>refine_1024x512<br>refine_2048x1024 |
| DeepGlobe | Resnet50-FPN | 67.22 | 72.10 | 68.22 | 骨干网络<br>refine |
请手动下载预训练模型到./checkpoints目录，或运行以下脚本：
cd checkpoints sh ./download_cityscapes.sh # 用于Cityscapes # 或 sh ./download_deepglobe.sh # 用于DeepGlobe
使用方法
您可以运行这个Google Colab笔记本来测试我们的预训练模型，使用街景图像。请按照笔记本中的说明体验我们网络的性能。
如果您想在本地机器上测试我们的框架：
- 要测试Cityscapes图像，例如
data/frankfurt_000001_003056_leftImg8bit.png：
- 使用MagNet细化：
python demo.py --dataset cityscapes \ --image data/frankfurt_000001_003056_leftImg8bit.png \ --scales 256-128,512-256,1024-512,2048-1024 \ --crop_size 256 128 \ --input_size 256 128 \ --model hrnet18+ocr \ --pretrained checkpoints/cityscapes_hrnet.pth \ --pretrained_refinement checkpoints/cityscapes_refinement_512.pth checkpoints/cityscapes_refinement_1024.pth checkpoints/cityscapes_refinement_2048.pth \ --num_classes 19 \ --n_points 32768 \ --n_patches -1 \ --smooth_kernel 5 \ --save_pred \ --save_dir test_results/demo # 或者简短地，您可以运行 sh scripts/cityscapes/demo_magnet.sh data/frankfurt_000001_003056_leftImg8bit.png
- 使用MagNet-Fast细化
python demo.py --dataset cityscapes \ --image frankfurt_000001_003056_leftImg8bit.png \ --scales 256-128,512-256,1024-512,2048-1024 \ --crop_size 256 128 \ --input_size 256 128 \ --model hrnet18+ocr \ --pretrained checkpoints/cityscapes_hrnet.pth \ --pretrained_refinement checkpoints/cityscapes_refinement_512.pth checkpoints/cityscapes_refinement_1024.pth checkpoints/cityscapes_refinement_2048.pth \ --num_classes 19 \ --n_points 0.9 \ --n_patches 4 \ --smooth_kernel 5 \ --save_pred \ --save_dir test_results/demo # 或者简短地，您可以运行 sh scripts/cityscapes/demo_magnet_fast.sh data/frankfurt_000001_003056_leftImg8bit.png
所有结果将存储在test_results/demo/frankfurt_000001_003056_leftImg8bit中
- 要测试DeepGlobe图像，例如
data/639004_sat.jpg：
- 使用MagNet细化：
python demo.py --dataset deepglobe \ --image data/639004_sat.jpg \ --scales 612-612,1224-1224,2448-2448 \ --crop_size 612 612 \ --input_size 508 508 \ --model fpn \ --pretrained checkpoints/deepglobe_fpn.pth \ --pretrained_refinement checkpoints/deepglobe_refinement.pth \ --num_classes 7 \ --n_points 0.75 \ --n_patches -1 \ --smooth_kernel 11 \ --save_pred \ --save_dir test_results/demo # 或者简单地运行 sh scripts/deepglobe/demo_magnet.sh data/639004_sat.jpg
- 使用MagNet-Fast细化
python demo.py --dataset deepglobe \ --image data/639004_sat.jpg \ --scales 612-612,1224-1224,2448-2448 \ --crop_size 612 612 \ --input_size 508 508 \ --model fpn \ --pretrained checkpoints/deepglobe_fpn.pth \ --pretrained_refinement checkpoints/deepglobe_refinement.pth \ --num_classes 7 \ --n_points 0.9 \ --n_patches 3 \ --smooth_kernel 11 \ --save_pred \ --save_dir test_results/demo # 或者简单地运行 sh scripts/deepglobe/demo_magnet_fast.sh data/639004_sat.jpg
所有结果将保存在 test_results/demo/639004_sat
训练
训练骨干网络
我们自定义了来自HRNet仓库的训练脚本来训练我们的骨干网络。请先进入 ./backbone 目录并运行以下脚本：
用于Cityscapes的HRNetW18V2+OCR
下载在ImageNet上预训练的权重：
# 在 ./backbone 目录下
cd pretrained_weights
wget https://public.vinai.io/chuonghm/hrnet_w18_v2_imagenet.pth
训练模型：
# 在 ./backbone 目录下
python train.py --cfg experiments/cityscapes/hrnet_ocr_w18_train_256x128_sgd_lr1e-2_wd5e-4_bs_12_epoch484.yaml
训练日志保存在 ./log/cityscapes/HRNetW18_OCR。
训练后的骨干网络检查点保存在 ./output/cityscapes/hrnet_ocr_w18_train_256x128_sgd_lr1e-2_wd5e-4_bs_12_epoch484/best.pth。
这个检查点用于进一步训练细化模块。
用于Deepglobe的Resnet50-FPN
训练模型：
# 在 ./backbone 目录下
python train.py --cfg experiments/deepglobe/resnet_fpn_train_612x612_sgd_lr1e-2_wd5e-4_bs_12_epoch484.yaml
训练日志保存在 ./log/deepglobe/ResnetFPN。
训练后的骨干网络检查点保存在 ./output/deepglobe/resnet_fpn_train_612x612_sgd_lr1e-2_wd5e-4_bs_12_epoch484/best.pth。这个检查点用于进一步训练细化模块。
训练细化模块
训练可用的参数：
train.py [-h] --dataset DATASET [--root ROOT] [--datalist DATALIST] --scales SCALES --crop_size N [N ...] --input_size N [N ...] [--num_workers NUM_WORKERS] --model MODEL --num_classes NUM_CLASSES --pretrained PRETRAINED [--pretrained_refinement PRETRAINED_REFINEMENT [PRETRAINED_REFINEMENT ...]] --batch_size BATCH_SIZE [--log_dir LOG_DIR] --task_name TASK_NAME [--lr LR] [--momentum MOMENTUM] [--decay DECAY] [--gamma GAMMA] [--milestones N [N ...]] [--epochs EPOCHS] 可选参数: -h, --help 显示帮助信息并退出 --dataset DATASET 数据集名称：cityscapes, deepglobe (默认：None) --root ROOT 训练和测试图像的路径 (默认：) --datalist DATALIST 包含图像和标签路径的.txt文件路径 (默认：) --scales SCALES 尺度：w1-h1,w2-h2,... , 例如 512-512,1024-1024,2048-2048 (默认：None) --crop_size N [N ...] 裁剪大小，例如 256 128 (默认：None) --input_size N [N ...] 输入大小，例如 256 128 (默认：None) --num_workers NUM_WORKERS 数据加载器的工作进程数 (默认：1) --model MODEL 模型名称。可选：fpn, psp, hrnet18+ocr, hrnet48+ocr (默认：None) --num_classes NUM_CLASSES 类别数 (默认：None) --pretrained PRETRAINED 预训练权重 (默认：None) --pretrained_refinement PRETRAINED_REFINEMENT [PRETRAINED_REFINEMENT ...] 细化模块的预训练权重 (默认：['']) --batch_size BATCH_SIZE 训练的批量大小 (默认：None) --log_dir LOG_DIR 存储日志文 件的目录 (默认：runs) --task_name TASK_NAME 任务名称，实验名称。最终的日志路径为 <log_dir>/<task_name>/<timestamp> (默认：None) --lr LR 学习率 (默认：0.001) --momentum MOMENTUM 优化器的动量 (默认：0.9) --decay DECAY 优化器的权重衰减 (默认：0.0005) --gamma GAMMA 学习率调度器的gamma (默认：0.1) --milestones N [N ...] 降低学习率的里程碑 (默认：[10, 20, 30, 40, 45]) --epochs EPOCHS 训练的轮数 (默认：50)
Cityscapes
要在Cityscapes数据集上训练MagNet，请运行以下示例脚本：
python train.py --dataset cityscapes \ --root data/cityscapes \ --datalist data/list/cityscapes/train.txt \ --scales 256-128,512-256,1024-512,2048-1024 \ --crop_size 256 128 \ --input_size 256 128 \ --num_workers 8 \ --model hrnet18+ocr \ --pretrained checkpoints/cityscapes_hrnet.pth \ --num_classes 19 \ --batch_size 8 \ --task_name cityscapes_refinement \ --lr 0.001 # 或者简单地运行以下脚本 sh scripts/cityscapes/train_magnet.sh
Deepglobe
要在Deepglobe数据集上训练MagNet，请运行以下示例脚本：
python train.py --dataset deepglobe \ --root data/deepglobe \ --datalist data/list/deepglobe/train.txt \ --scales 612-612,1224-1224,2448-2448 \ --crop_size 612 612 \ --input_size 508 508 \ --num_workers 8 \ --model fpn \ --pretrained checkpoints/deepglobe_fpn.pth \ --num_classes 7 \ --batch_size 8 \ --task_name deepglobe_refinement \ --lr 0.001 # 或者简单地运行以下脚本 sh scripts/deepglobe/train_magnet.sh
评估
测试可用的参数 ：
test.py [-h] --dataset DATASET [--root ROOT] [--datalist DATALIST] --scales SCALES --crop_size N [N ...] --input_size N [N ...] [--num_workers NUM_WORKERS] --model MODEL --num_classes NUM_CLASSES --pretrained PRETRAINED [--pretrained_refinement PRETRAINED_REFINEMENT [PRETRAINED_REFINEMENT ...]] [--image IMAGE] --sub_batch_size SUB_BATCH_SIZE [--n_patches N_PATCHES] --n_points N_POINTS [--smooth_kernel SMOOTH_KERNEL] [--save_pred] [--save_dir SAVE_DIR] 可选参数: -h, --help 显示此帮助信息并退出 --dataset DATASET 数据集名称: cityscapes, deepglobe (默认: None) --root ROOT 训练和 测试图像的路径 (默认: ) --datalist DATALIST 包含图像和标签路径的.txt文件路径 (默认: ) --scales SCALES 尺度: w1-h1,w2-h2,... , 例如 512-512,1024-1024,2048-2048 (默认: None) --crop_size N [N ...] 裁剪大小, 例如 256 128 (默认: None) --input_size N [N ...] 输入大小, 例如 256 128 (默认: None) --num_workers NUM_WORKERS 数据加载器的工作线程数 (默认: 1) --model MODEL 模型名称. 可选: fpn, psp, hrnet18+ocr, hrnet48+ocr (默认: None) --num_classes NUM_CLASSES 类别数量 (默认: None) --pretrained PRETRAINED 预训练权重 (默认: None) --pretrained_refinement PRETRAINED_REFINEMENT [PRETRAINED_REFINEMENT ...] 细化模块的预训练权重 (默认: ['']) --image IMAGE 测试图像路径 (仅用于演示) (默认: None) --sub_batch_size SUB_BATCH_SIZE patch处理的批量大小 (默认: None) --n_patches N_PATCHES 每个阶段要细化的patch数量. 如果n_patches=-1, 将细化所有patch (默认: -1) --n_points N_POINTS 每个阶段要细化的点数. 如果n_points < 1.0, 将作为总点数的比例 (默认: None) --smooth_kernel SMOOTH_KERNEL 应用于错误分数的模糊操作的核大小 (默认: 16) --save_pred 是否保存预测结果, 每张图像将包含: 原图, 真实标签, 粗糙预测, 精细预测 (默认: False) --save_dir SAVE_DIR 保存目录 (默认: test_results) 否则,以下是使用我们预训练模型进行测试的示例脚本。 ### Cityscapes 完整的MagNet细化: ```bash python test.py --dataset cityscapes \ --root data/cityscapes \ --datalist data/list/cityscapes/val.txt \ --scales 256-128,512-256,1024-512,2048-1024 \ --crop_size 256 128 \ --input_size 256 128 \ --num_workers 8 \ --model hrnet18+ocr \ --pretrained checkpoints/cityscapes_hrnet.pth \ --pretrained_refinement checkpoints/cityscapes_refinement_512.pth checkpoints/cityscapes_refinement_1024.pth checkpoints/cityscapes_refinement_2048.pth \ --num_classes 19 \ --sub_batch_size 1 \ --n_points 32768 \ --n_patches -1 \ --smooth_kernel 5 \ --save_pred \ --save_dir test_results/cityscapes # 或者简单地运行以下脚本 sh scripts/cityscapes/test_magnet.sh
MagNet-Fast细化:
python test.py --dataset cityscapes \ --root data/cityscapes \ --datalist data/list/cityscapes/val.txt \ --scales 256-128,512-256,1024-512,2048-1024 \ --crop_size 256 128 \ --input_size 256 128 \ --num_workers 8 \ --model hrnet18+ocr \ --pretrained checkpoints/cityscapes_hrnet.pth \ --pretrained_refinement checkpoints/cityscapes_refinement_512.pth checkpoints/cityscapes_refinement_1024.pth checkpoints/cityscapes_refinement_2048.pth \ --num_classes 19 \ --sub_batch_size 1 \ --n_points 0.9 \ --n_patches 4 \ --smooth_kernel 5 \ --save_pred \ --save_dir test_results/cityscapes_fast # 或者简单地运行以下脚本 sh scripts/cityscapes/test_magnet_fast.sh
Deepglobe
完整的MagNet细化:
python test.py --dataset deepglobe \ --root data/deepglobe \ --datalist data/list/deepglobe/test.txt \ --scales 612-612,1224-1224,2448-2448 \ --crop_size 612 612 \ --input_size 508 508 \ --num_workers 8 \ --model fpn \ --pretrained checkpoints/deepglobe_fpn.pth \ --pretrained_refinement checkpoints/deepglobe_refinement.pth \ --num_classes 7 \ --sub_batch_size 1 \ --n_points 0.75 \ --n_patches -1 \ --smooth_kernel 11 \ --save_pred \ --save_dir test_results/deepglobe # 或者简单地运行以下脚本 sh scripts/deepglobe/test_magnet.sh
MagNet-Fast细化:
python test.py --dataset deepglobe \ --root data/deepglobe \ --datalist data/list/deepglobe/test.txt \ --scales 612-612,1224-1224,2448-2448 \ --crop_size 612 612 \ --input_size 508 508 \ --num_workers 8 \ --model fpn \ --pretrained checkpoints/deepglobe_fpn.pth \ --pretrained_refinement checkpoints/deepglobe_refinement.pth \ --num_classes 7 \ --sub_batch_size 1 \ --n_points 0.9 \ --n_patches 3 \ --smooth_kernel 11 \ --save_pred \ --save_dir test_results/deepglobe_fast # 或者简单地运行以下脚本 sh scripts/deepglobe/test_magnet_fast.sh
致谢
感谢High-resolution networks and Segmentation Transformer for Semantic Segmentation提供的主干网络训练脚本。
联系方式
如果您有任何问题,请发送电子邮件至minhchuong.itus@gmail.com或在此仓库创建一个问题。
编辑推荐精选
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适 用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传 播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
Hunyuan3D-2
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。
3FS
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号