#217 · 主分类: 计算机视觉
CascadePSP
computer-vision
cvpr2020
deep-learning
high-resolution
pytorch
refinement-network
segmentation
segmentation-refinement
[CVPR 2020] CascadePSP: 通过全局和局部细化实现类别无关且超高分辨率的分割
项目最后更新:01/02/26
GitHub Stars
886
Forks数量
97
贡献者数量
3
许可证
MIT
收录理由
做图像分割的人大概都有过这种体验:模型输出的掩膜整体看起来不错,放大一看,边缘却毛毛糙糙。CascadePSP就是为了收拾这种残局而设计的,它把已有二值掩膜和原始图像放在一起,先走一个全局步骤保住整体轮廓,再在局部高分辨率区域里细抠边缘,让掩膜边界立整不少。而且它不挑类别,无论你用的分割器或抠图模型是什么,都能套上去当后处理用。仓库里封装好了pip包,安装后两行代码就能把粗糙的掩膜磨一遍;同时还提供了预训练权重、完整训练脚本,以及一个标注好的4K数据集BIG,想重新训练或者深入研究都有材料可依。要是你不想改动主模型,又想让输出更精细,这算是个成本很低的升级路径。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。