‘upload’
| 第三届计图挑战赛(赛道二)
任务目标
矫正前后对比图(第1、3列)
本项目包含了第三届计图挑战赛计图 - 大规模无监督语义分割赛题的代码实现。本项目的特点是:采用了RC显著性检测方法对PASS生成的FG Mask进行矫正,生成了更加接近GT Mask的前景掩膜,最终分割效果比PASS提高了2.32%。
本项目可在 2 张 3090 上训练,训练时间约为 40 小时。在 1 张3090上测试大约需要 1 小时。
执行以下命令安装 python 依赖
pip install -r requirements.txt
首先运行:
bash train_1.sh
然后根据输出的信息找到best_mIoU最高的checkpoint以及对应的阈值,将其填入train_2.sh的BEST_CHECKPOINT以及BEST_THRESH参数,再运行train_2.sh。
bash train_2.sh
生成测试集上的结果可以运行以下命令:
bash test.sh
此项目基于论文Large-scale Unsupervised Semantic Segmentation 实现,部分代码参考了 SaliencyRC。
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
| 第三届计图挑战赛(赛道二)
Jittor 大规模无监督语义分割赛题 PASS_RC
任务目标
矫正前后对比图(第1、3列)
简介
本项目包含了第三届计图挑战赛计图 - 大规模无监督语义分割赛题的代码实现。本项目的特点是:采用了RC显著性检测方法对PASS生成的FG Mask进行矫正,生成了更加接近GT Mask的前景掩膜,最终分割效果比PASS提高了2.32%。
安装
本项目可在 2 张 3090 上训练,训练时间约为 40 小时。在 1 张3090上测试大约需要 1 小时。
运行环境
安装依赖
执行以下命令安装 python 依赖
训练
首先运行:
然后根据输出的信息找到best_mIoU最高的checkpoint以及对应的阈值,将其填入train_2.sh的BEST_CHECKPOINT以及BEST_THRESH参数,再运行train_2.sh。
推理
生成测试集上的结果可以运行以下命令:
致谢
此项目基于论文Large-scale Unsupervised Semantic Segmentation 实现,部分代码参考了 SaliencyRC。