• DMNet_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：test_tipc
  • 5 代码结构与说明
  • 6 注意
  • 7 模型信息

DMNet_paddle

1 简介

本项目基于paddlepaddle框架复现了DMNet语义分割模型，DMNet提出动态滤波器，核心在于DCM模块，该模块利用池化和卷积生成动态卷积核，与特征图进行卷积。

论文：

• [1] Junjun He, Zhongying Deng, Yu Qiao. Dynamic Multi-scale Filters for Semantic Segmentation

项目参考：

• https://github.com/open-mmlab/mmsegmentation/tree/master/configs/dmnet

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
DMNet	80K	SGD	1024x512	8	CityScapes	32G	4	79.88	dmnet_cityscapes_1024x512_80k.yml	weight	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/DMNet_paddle.git
cd DMNet_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/dmnet_cityscapes_1024x512_80k.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/dmnet_cityscapes_1024x512_80k.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/dmnet_cityscapes_1024x512_80k.yml --model_path 

第四步：test_tipc

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。

bash test_tipc/prepare.sh ./test_tipc/configs/dmnet_small/train_infer_python.txt 'lite_train_lite_infer'
bash test_tipc/test_train_inference_python.sh ./test_tipc/configs/dmnet_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                                                   
│  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100K 79.88%。
2、本项目基于PaddleSeg开发。

6 注意

DMNet转为静态图模式，需要固定输入尺寸，具体参考这里。

7 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