Junjun2016/DMNet 开源项目中文解读：技术栈、适用场景与上手建议

Junjun2016

项目介绍

Junjun2016/DMNet 是一个托管在 GitHub 上的开源项目，主要使用 Python 编写，采用 Apache License 2.0 许可证，目前获得 27 个 Star、3 次 Fork。

仓库全名: Junjun2016/DMNet

README 摘要

Dynamic Multi-scale Filters for Semantic Segmentation (DMNet ICCV'2019) Introduction Official implementation of Dynamic Multi-scale Filters for Semantic Segmentation (Paper). 🔥🔥 DMNet is on MMsegmentation. 🔥🔥 Overview Framework Results and models Cityscapes Method | Backbone | Crop Size | Lr schd | Mem (GB) | Inf time (fps) | mIoU | mIoU(ms+flip) | config | download | : | -------- | -------------- | ----: |…

完整内容见 GitHub 原始 README 或本页。

常见问题

DMNet 用什么语言开发？

主要使用 Python 编写，采用 Apache License 2.0 许可证，目前有 27 个 Star。

DMNet 可以免费商用吗？

如何获取 DMNet 的源码？

可以直接克隆仓库：git clone https://github.com/Junjun2016/DMNet.git，默认分支为 main；安装与运行步骤见仓库 README。

DMNet 最近还在维护吗？

仓库最近一次更新为 2021年8月29日，当前没有未关闭的 Issue；Star 数为 27，可作为社区活跃度的参考。

关于

Dynamic Multi-scale Filters for Semantic Segmentation (DMNet ICCV'2019)

ade20k cityscapes dcm dfn dmnet dynamic-conv-module dynamic-filter dynamic-filter-generation dynamic-filter-network dynamic-multiscale-filters mmsegmentation semantic-segmentation

Apache License 2.0
27 Stars
3 Forks
1 Watching

描述取自 GitHub 官方 API，中文内容由 GitRead 中文社区编辑团队整理。

简要分析

热度分

价值分

活跃状态

活跃

GitHub

Dynamic Multi-scale Filters for Semantic Segmentation (DMNet ICCV’2019)

Introduction

Official implementation of Dynamic Multi-scale Filters for Semantic Segmentation (Paper).
🔥🔥 DMNet is on MMsegmentation. 🔥🔥

@InProceedings{He_2019_ICCV,
author = {He, Junjun and Deng, Zhongying and Qiao, Yu},
title = {Dynamic Multi-Scale Filters for Semantic Segmentation},
booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
month = {October},
year = {2019}
}

Overview

Framework

Results and models

Cityscapes

Method	Backbone	Crop Size	Lr schd	Mem (GB)	Inf time (fps)	mIoU	mIoU(ms+flip)	config	download
DMNet	R-50-D8	512x1024	40000	7.0	3.66	77.78	79.14	config	model \| log
DMNet	R-101-D8	512x1024	40000	10.6	2.54	78.37	79.72	config	model \| log
DMNet	R-50-D8	769x769	40000	7.9	1.57	78.49	80.27	config	model \| log
DMNet	R-101-D8	769x769	40000	12.0	1.01	77.62	78.94	config	model \| log
DMNet	R-50-D8	512x1024	80000	-	-	79.07	80.22	config	model \| log
DMNet	R-101-D8	512x1024	80000	-	-	79.64	80.67	config	model \| log
DMNet	R-50-D8	769x769	80000	-	-	79.22	80.55	config	model \| log
DMNet	R-101-D8	769x769	80000	-	-	79.19	80.65	config	model \| log

ADE20K

Method	Backbone	Crop Size	Lr schd	Mem (GB)	Inf time (fps)	mIoU	mIoU(ms+flip)	config	download
DMNet	R-50-D8	512x512	80000	9.4	20.95	42.37	43.62	config	model \| log
DMNet	R-101-D8	512x512	80000	13.0	13.88	45.34	46.13	config	model \| log
DMNet	R-50-D8	512x512	160000	-	-	43.15	44.17	config	model \| log
DMNet	R-101-D8	512x512	160000	-	-	45.42	46.76	config	model \| log

暂无评论

DMNet