Skip to content

justld/EspnetV2_paddle

Repository files navigation

EspnetV2_paddle

1 简介

images
本项目基于paddlepaddle框架复现了ESPNetV2语义分割模型,ESPNetV2利用分组卷积、深度可分离空洞卷积减少模型参数。

论文:

项目参考:

2 复现精度

在CityScapes val数据集的测试效果如下表。

steps opt image_size batch_size dataset memory card mIou config
ESPNetV2 120k adam 1024x512 8 CityScapes 32G 4 0.6956 espnet_cityscapes_1024_512_120k_x2.yml

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 == develop

快速开始

第一步:克隆本项目

# clone this repo
git clone https://github.com/justld/EspnetV2_paddle.git
cd EspnetV2_paddle

安装第三方库

pip install -r requirements.txt

第二步:计算交叉熵损失的权重

运行compute_classweight.py文件,注意修改文件内的数据路径,将运行打印的输出结果作为配置文件的损失函数权重。

第三步:训练模型

单卡训练:

python train.py --config configs/espnet_cityscapes_1024_512_120k_x2.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/espnet_cityscapes_1024_512_120k_x2.yml  --do_eval --use_vdl --log_iter 100 --save_interval 1000 --save_dir output

第四步: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/espnet_cityscapes_1024_512_120k_x2.yml --model_path output/scale_x2/best_model/model.pdparams

6 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120K miou达到69.56%。 2、本项目基于PaddleSeg开发。

7 模型信息

相关信息:

信息 描述
作者 郎督、胡慧明
日期 2021年9月
框架版本 Paddle develop
应用场景 语义分割
硬件支持 GPU、CPU
在线体验 notebook, Script

About

paddle espnetv2 复现

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages