• BiSeNet_paddle
• • 1 简介
  • 2 复现精度
  • 3 数据集
  • 4 环境依赖
  • 快速开始
  • • 第一步：克隆本项目
    • 第二步：训练模型
    • 第三步：测试
    • 第四步：tipc
  • 5 代码结构与说明
  • 6 模型信息

BiSeNet_paddle

1 简介

本项目基于paddlepaddle框架复现了BiSeNet语义分割模型，BiSeNet引入Spatial Path和Context Path，Spatial Path中步长较小来得到高分辨率的特征图，Context Path引入快速的下采样机制来增加感受野，最后使用特征融合模块将Spatial Path和Context Path的特征图进行有效融合。。

论文：

• [1] Changqian Yu, Jingbo Wang, Chao Peng, Changxin Gao, Gang Yu, and Nong Sang. BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation

项目参考：

• https://github.com/ycszen/TorchSeg

2 复现精度

在CityScapes val数据集的测试效果如下表。

NetWork	steps	opt	image_size	batch_size	dataset	memory	card	mIou	config	weight	log
BiSeNet	160K	SGD	1024x512	4	CityScapes	32G	4	75.19	bisenetv1_cityscapes_1024x512_160k.yml	link	log

3 数据集

CityScapes dataset

• 数据集大小:
  • 训练集: 2975
  • 验证集: 500

4 环境依赖

• 硬件: Tesla V100 * 4

• 框架:

  • PaddlePaddle == 2.2.0

快速开始

第一步：克隆本项目

# clone this repo
git clone https://github.com/justld/BisNetV1_paddle.git
cd BisNetV1_paddle

安装第三方库

pip install -r requirements.txt

第二步：训练模型

单卡训练：

python train.py --config configs/bisenetv1/bisenetv1_cityscapes_1024x512_160k.yml  --do_eval --use_vdl --log_iter 100 --save_interval 1000 --save_dir output

多卡训练：

python -m paddle.distributed.launch train.py --config configs/bisenetv1/bisenetv1_cityscapes_1024x512_160k.yml  --do_eval --use_vdl --log_iter 100 --save_interval 1000 --save_dir output

第三步：测试

output目录下包含已经训练好的模型参数以及对应的日志文件。

python val.py --config configs/bisenetv1/bisenetv1_cityscapes_1024x512_160k.yml --model_path 

第四步：tipc

在linux下，进入BisNetV1_paddle文件夹，运行命令

bash test_tipc/prepare.sh ./test_tipc/configs/bisenetv1_small/train_infer_python.txt 'lite_train_lite_infer'
bash test_tipc/test_train_inference_python.sh ./test_tipc/configs/bisenetv1_small/train_infer_python.txt 'lite_train_lite_infer'

5 代码结构与说明

代码结构

├─configs                          
├─images                         
├─output                           
├─paddleseg       
├─test_tipc                                            
│  export.py                     
│  predict.py                        
│  README.md                        
│  README_CN.md                     
│  requirements.txt                      
│  setup.py                   
│  train.py                
│  val.py                       

说明
1、本项目在Aistudio平台，使用Tesla V100 * 4 脚本任务训练16K miou达到75.19%。
2、本项目基于PaddleSeg开发。

6 模型信息

相关信息:

信息	描述
作者	郎督
日期	2021年11月
框架版本	PaddlePaddle==2.2.0
应用场景	语义分割
硬件支持	GPU、CPU
在线体验	notebook, Script