pytorch 24 把MMSegmentation的作为pytorch的语义分割模型库使用(已实现模型的训练与部署)
2023-09-14 09:15:04 时间
MMSegmentation是商汤科技推出的语义分割库套件,属于 OpenMMLab 项目的一部分,里面有很多的语义分割模型。为什么博主会有这样的骚操作想法呢?原因有二,第一点:MMSegmentation的封装太完善了,作为一个依赖于pytorch的模型库在训练上却不一样,用户的自由发挥空间很小(比如自定义loss、自定义学习率调度器、自定义数据加载器,啥都要重新学),这让博主很难接受;第二点:github上给出了的其他pytorch模型库太拉胯了,支持的模型数量有限,大多只支持2020年以前的模型,这对于工程上是很难接受的。
为此,博主对MMSegmentation中模型的使用进行了详细的分析,并进行了相应的测试,实现了在mmseg中将模型抽取出来,用pytorch的逻辑单独进行训练、测试与部署。
为了让各位了解到mmseg的强大,这里列举了一些其支持的backbone和模型,基本上每一个模型都具有多种数据下的预训练模型。而且,MMSegmentation还支持自定义组合编码器和解码器,简直就是工程上的一大利器(有一个前提就是要能实现模型转jit部署)。
已支持的骨干网络:
- ResNet (CVPR'2016)
- ResNeXt (CVPR'2017)
- HRNet (CVPR'2019)
相关文章
- ECCV 2022 | 无需下游训练,Tip-Adapter大幅提升CLIP图像分类准确率
- 研究人员发现短暂延迟的神经反馈有助于顶叶α节律的训练
- 差点被ECCV错过的论文:视频理解新框架,仅用微调的「成本」,达到预训练的「全能」
- 目标检测再升级!YOLOv8模型训练和部署
- 基于flask和网页端部署yolo自训练模型
- 快递单中抽取关键信息【一】----基于BiGRU+CR+预训练的词向量优化
- pyTorch入门(二)——常用网络层函数及卷积神经网络训练
- 第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-8 算法训练 操作格子 线段树
- 怎样让ChatGPT在其内部训练神经网络?先让它想象自己有4块3090
- 如何快速成为图像识别大神?英伟达专家带你低门槛、高效实现AI模型训练与部署 | 英伟达CV公开课
- 新至强训练推理增效十倍,英特尔CPU加速AI更上一层楼