sssegmentation

文档：https://sssegmentation.readthedocs.io/en/latest/

最新动态

• 2024-08-05：支持 SAMV2，更多详情请参阅 使用SAMV2进行推理。
• 2023-12-20：支持 EdgeSAM 和 SAMHQ，更多详情请参阅 使用EdgeSAM进行推理 和 使用SAMHQ进行推理。
• 2023-10-25：支持 ConvNeXtV2，更多详情请参阅 ConvNeXtV2的结果和模型。
• 2023-10-23：支持 MobileViT 和 MobileViTV2，更多详情请参阅 MobileViT的结果和模型。
• 2023-10-18：支持 Mask2Former，更多详情请参阅 Mask2Former的结果和模型。
• 2023-10-17：我们发布了 IDRNet: 语义分割的干预驱动关系网络 的源代码，该论文已被NeurIPS 2023接收，更多详情请参阅 IDRNet的结果和模型。
• 2023-10-15：支持 MobileSAM，更多详情请参阅 使用MobileSAM进行推理。
• 2023-09-27：支持 SAM，更多详情请参阅 使用SAM进行推理。

简介

SSSegmentation是一个基于PyTorch的开源监督语义分割工具箱。 如果它对您有帮助，您可以点星标记此仓库以跟踪项目，感谢您的支持。

主要特点

• 高性能

  重新实现的分割算法性能优于或可与其他代码库相媲美。

• 模块化设计和统一基准

  各种分割方法被统一为几个特定模块。 得益于这种设计，SSSegmentation可以整合大量流行和当代的语义分割框架，然后在统一的基准上进行训练和测试。

• 较少依赖

  在复现新颖的语义分割方法时，SSSegmenation尽最大努力避免引入更多依赖。

基准和模型库

支持的骨干网络

支持的分割器

支持的数据集

引用

如果您在研究中使用了SSSegmentation，请考虑引用本项目，

@article{jin2023sssegmenation,
    title={SSSegmenation: An Open Source Supervised Semantic Segmentation Toolbox Based on PyTorch},
    author={Jin, Zhenchao},
    journal={arXiv preprint arXiv:2305.17091},
    year={2023}
}

@inproceedings{jin2021isnet,
    title={ISNet: Integrate Image-Level and Semantic-Level Context for Semantic Segmentation},
    author={Jin, Zhenchao and Liu, Bin and Chu, Qi and Yu, Nenghai},
    booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
    pages={7189--7198},
    year={2021}
}

@inproceedings{jin2021mining,
    title={Mining Contextual Information Beyond Image for Semantic Segmentation},
    author={Jin, Zhenchao and Gong, Tao and Yu, Dongdong and Chu, Qi and Wang, Jian and Wang, Changhu and Shao, Jie},
    booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
    pages={7231--7241},
    year={2021}
}
@article{jin2022mcibi++,
    标题={MCIBI++: 软挖掘图像之外的上下文信息用于语义分割},
    作者={金振超 和 于东东 和 袁哲寰 和 于乐泉},
    期刊={IEEE模式分析与机器智能汇刊},
    年份={2022},
    出版社={IEEE}
}

@inproceedings{jin2023idrnet,
    标题={IDRNet: 用于语义分割的干预驱动关系网络},
    作者={金振超 和 胡晓伟 和 朱凌婷 和 宋路川 和 袁丽 和 于乐泉},
    会议={第三十七届神经信息处理系统大会},
    年份={2023}
}

参考文献

我们非常感谢以下项目在构建SSSegmentation过程中提供的帮助：

• MMSegmentation
• segment-anything
• MobileSAM
• Mask2Former
• Swin-Transformer
• HRNet-Semantic-Segmentation
• apex
• MMCV
• VSPW_code
• MMPreTrain
• PyTorch图像模型
• EdgeSAM
• sam-hq
• segment-anything-2