pytorch版的做显著性检测的RFCN[1]的代码。和matlab原版有点不同。
- 我没有实现原版产生prior map的方法,而是训练时输入prior map。
- 加入了扩张卷积
- 不同层预测结果用串联结合(原版是相加)
还没有测试过效果。
pytorch, tensorboard-pytorch, tensorboard
如果不需要可视化就不需要tensorboard和tensorboard-pytorch。删除代码里可视化的部分就能运行。 (现在新版改名叫tensorboardX了,如果下载了新版的tensorboard-pytorch就把import tensorboard改成import tensorboardX)
- 准备训练图片和validation图片,包括prior maps。图片的文件夹如此组织:
DATASET/images/images/图片们.jpg
DATASET/先验图文件夹名字/priormaps.png
DATASET/masks/真值们.png
- 改代码里的数据集路径。ptag改成先验图文件夹名字。
- 打开tensorboard
tensorboard --logdir runs
- 运行
- 有循环的
python train_rfcn.py
- 没有循环的
python train_fcn.py
[1] Wang, Linzhao, et al. "Saliency detection with recurrent fully convolutional networks." European Conference on Computer Vision. Springer International Publishing, 2016.