SaliencyDetection
我的毕业设计，图像显著性检测
目录结构
│ attention.py
│ data.py
│ loss.py
│ model.py
│ PR曲线.ipynb
│ README.md
│ utils.py
│ 学习率衰减曲线.ipynb
│ 测试.ipynb
│ 训练模型样例.ipynb
│
├─DUTS
│ ├─DUTS-TE
│ │ ├─DUTS-TE-Image
│ │ │ ILSVRC2012_test_00000003.jpg
│ │ │ ILSVRC2012_test_00000023.jpg
│ │ │ ILSVRC2012_test_00000025.jpg
│ │ │ ...
│ │ └─DUTS-TE-Mask
│ │ ILSVRC2012_test_00000003.png
│ │ ILSVRC2012_test_00000023.png
│ │ ILSVRC2012_test_00000025.png
│ │ ...
│ └─DUTS-TR
│ ├─DUTS-TR-Image
│ │ ILSVRC2012_test_00000004.jpg
│ │ ILSVRC2012_test_00000018.jpg
│ │ ILSVRC2012_test_00000019.jpg
│ │ ...
│ └─DUTS-TR-Mask
│ ILSVRC2012_test_00000004.png
│ ILSVRC2012_test_00000018.png
│ ILSVRC2012_test_00000019.png
│ ...
├─image
│ 1.jpg
│ 2.jpg
│ 3.jpg
│ CPFEV3.png
│ 金字塔特征注意网络.png
│
├─model
│ vgg16_no_top.pth
│
└─notebook
(略)
- model.py实现的是整个模型
- attention.py实现的是空间注意和通道注意力机制
- loss.py实现的是边界保持损失函数，但是最终没用上
- data.py实现的是数据增强和数据载入
- utils.py实现的是评价指标，F-Measure，recall，precision，accuracy
- DUTS文件夹下存放DUTS数据集
- image文件夹下存放有网络结构图
- model文件夹下存放有一个去掉全连接层的VGG16模型，不过state_dict状态字典的命名是我在model.py中的命名
- notebook文件夹下存放着大量notebook，记录有我的调参记录，别问为什么这么做，问就是电脑垃圾长时间训练会很烫，慢慢来最好。