• FastFCN_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 模型信息

FastFCN_paddle

1 简介

本项目基于paddlepaddle框架复现了FastFCN语义分割模型，使用的backbone是ENCNet_resnet50，FastFCN利用JPU模块来提升语义分割的效果。

论文：

• [1] Huikai Wu, Junge Zhang, Kaiqi Huang. FastFCN: Rethinking Dilated Convolution in the Backbone for Semantic Segmentation

项目参考：

• https://github.com/wuhuikai/FastFCN

2 复现精度

ADE20K 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
FastFCN	120K	SGD	1024x512	4	ADE20K	32G	4	43.37	fastfcn_ade20k_520x520_120k.yml	weight	log

3 数据集

ADE20K dataset

• 数据集大小:
  • 训练集: 20210
  • 验证集: 200
  • 类别: 150

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/FastFCN_paddle.git
cd FastFCN_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/fastfcn_ade20k_520x520_120k.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/fastfcn_ade20k_520x520_120k.yml  --do_eval --use_vdl --log_iter 100 --save_interval 1000 --save_dir output

第三步：测试

python val.py --config configs/fastfcn_ade20k_520x520_120k.yml --model_path {your 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/fastfcn_small/train_infer_python.txt 'lite_train_lite_infer'
bash test_tipc/test_train_inference_python.sh ./test_tipc/fastfcn_small/train_infer_python.txt 'lite_train_lite_infer'

5 代码结构与说明

代码结构

├─configs           
├─deploy  
├─log                 
├─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120K 43.37%。
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