该项目复现相关论文，基于PaddleSeg实现全监督语义分割训练范式，借跨图像像素对比优化特征空间。在Cityscapes验证集上，HRNet_W48模型mIou达82.47%，超复现要求，使用Tesla V100及PaddlePaddle 2.1.2。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

论文简介

论文作者提出一种新的、全监督语义分割训练范式，可应用于语义分割的训练中，能够显著提高语义分割的效果。论文在cityscapes验证集上进行实验，HRNet_W48的mIou为81.0%，本次复现赛要求复现的精度为82.2%，本项目复现结果为82.47%。

论文核心思想

作者提出一种新的、全监督语义分割训练范式，利用跨图像的像素-像素之间的关系，来学习一个更好的特征空间。如上图所示，（a）和（b）是训练图片及其对应的标签，传统的语义分割训练时忽略了不同图片之间的上下文信息，而本篇论文提出的跨图像像素对比学习，利用不同图片之间的像素关系，使得特征空间中同种类别的像素相似性变高、不同类别的像素相似度变低（如图d），从而得到一个更好的结构化的特征空间（如图e）。

网络结构

上图为网络结构，fFCN为backbone模块，fSEG为语义分割head模块，从fSEG平行引出fPROJ模块，fPROJ用来进行对比训练，fSEG训练方法与传统方法相同。

损失函数

损失函数如上图，由2部分构成，交叉熵损失和对比损失组成，其中对比损失为本篇论文的核心。

交叉熵损失如上图所示，此处不做介绍。

上图为对比损失，亦是本篇论文的核心。其中i是真实标签为c的特征向量，i+为正样本像素特征，i-为负样本像素特征，由上式可以看出，通过像素-像素对比学习，在特征空间上同一类别的像素拉近，不同类别的像素原理，从而使得不同类别的像素特征空间能够更好的可区分。

对比损失的anchor采样方法

预测错误的像素被认为是hard anchor，预测正确的像素被认为是easy anchor，在对比度损失计算过程中，一半的anchor是hard anchor，另一半是easy anchor。

实验

上左图为像素交叉熵损失的特征可视图，上右图是对比损失的特征可视化图，可以看出，使用了像素对比损失的语义分割模型特征空间更具结构化。

php商城系统

PHP商城系统是国内功能优秀的网上商城系统，同时也是一个商业的PHP开发框架，有多套免费模版，强大的后台管理功能，专业的网上商城系统解决方案，快速建设网上购物商城、数码商城、手机商城、办公用品商城等网站。 php商城系统v3.0 rc6升级 1、主要修复用户使用中出现的js未加载完报错问题，后台整改、以及后台栏目的全新部署、更利于用户体验。 2、扩展出，更多系统内部的功能，以便用户能够迅速找到需

0 查看详情

项目介绍

本项目为第四届百度论文复现赛Exploring Cross-Image Pixel Contrast for Semantic Segmentation复现结果，本项目基于PaddleSeg实现，并复现了论文实验结果，非常感谢百度提供的比赛平台以及GPU资源。

复现环境

硬件： Tesla V100 * 4
框架： paddlepaddle==2.1.2

参数调试

1、project dimension：此参数不影响最后的模型大小，可以适度调整来获得好的效果；
2、迭代次数：40k次迭代时mIou为81.8%，不满足验收标准，60k次迭代mIou为82.47%，可以适当提高迭代次数；
3、训练时长：Tesla V100 * 4， batch_size为2，60k次迭代，训练总时长为13.5h。

复现经验

1、使用paddleseg语义分割框架可以有效的减少复现的代码量，提高复现速度；
2、论文提供的源码使用的框架是pytorch，需要注意不同框架模型转换的细节（尤其是部分函数的不同）。

项目结果

Method	Environment	mIou	Step	Batch_size	Dataset
HRNet_W48_Contrast	Tesla V-100 $\times$× 4	82.47	60k	2	CityScapes

项目实现思路

本项目基于PaddleSeg开发，由于PaddleSeg已经包含了数据处理，验证等多项功能，本篇论文的复现仅需要实现HRNet_W48 Head和Contrast loss部分。

项目运行实践

1、按照以下步骤可运行本项目。
2、由于HRNet_W48参数较大，无法上传至Aistudio，可从github的百度云连接下载训练好的权重参数。

In [ ]

# step 1: git clone, 本项目已clone过，跳过此步骤!git clone https://hub.fastgit.org/justld/contrast_seg_paddle.git

    In [ ]

# step 2: 解压数据集%cd /home/aistudio/data/data64550
!tar -xf cityscapes.tar
%cd /home/aistudio

    In [ ]

# step 3: 训练# 注意：把configs目录下的HRNet_W48_cityscapes_1024x512_60k中数据集目录更换为自己的数据集目录，如：dataset_root: /home/aistudio/data/data64550/cityscapes%cd /home/aistudio/contrast_seg_paddle
!python train.py --config configs/HRNet_W48_cityscapes_1024x512_60k.yml  --do_eval --use_vdl --log_iter 100 --s*e_interval 1000 --s*e_dir output

    代码解释 In [3]

# step 4: 验证# 注意：由于训练好的参数文件太大，请移步github（https://hub.fastgit.org/justld/contrast_seg_paddle.git）从百度云下载权重文件，并把model_path更换为自己的参数路径%cd /home/aistudio/contrast_seg_paddle
!python val.py --config configs/HRNet_W48_cityscapes_1024x512_60k.yml --model_path output/best_model/model.pdparams

   

以上就是基于PPSeg框架的HRNet_W48_Contrast复现的详细内容，更多请关注其它相关文章！

# 如图  # 三坊七巷营销推广方案  # 贺州seo网站优化排名  # 线下商家推广营销方案  # google seo喵喵  # 会计的营销推广是谁做的  # 网站推广请赞金脉科技  # 当阳网站制作与推广  # 三一重工营销推广  # 丹灶响应式网站建设公司  # 怒江抖音seo排名多少  # 时长  # 如上图  # 所示  # python  # 可以看出  # 图为  # 自己的  # 迭代  # 一言  # 中文网  # fig  # udio  # igs  # 百度  # ai  # git 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： typescript怎么加号  固态硬盘如何检查  video是什么意思  索尼type-c接口是什么  宝马x5仪表盘上边有power是什么意思  固态硬盘如何安装win10系统安装  摄像机的power chg是什么意思中文  ensp命令如何提示  单片机的速度怎么求  春运车票啥时候可以抢票  广东春运抢票怎么抢的  没网环境如何安装typescript  苹果16系统网站有哪些  windows 如何连接ftp命令行  阿里云手机云盘怎么用_阿里云盘苹果手机怎么用教程  网络光刻机是干什么用的  三星固态硬盘如何保修  vivo手机爱奇艺怎么投屏到电视操作步骤  什么是域名解析地址  光刻机的分类及特点  为什么夸克运行不了  建伍遥控器power是什么意思  如何查看固态硬盘速度  春运辅助抢票怎么抢  如何查看网站域名解析  360n6锁屏壁纸怎么设置  如何判断固态硬盘端口  手机如何更改固态硬盘  显示器上power键是什么意思  所有删除的聊天记录都可以恢复吗？  360n4怎么关闭锁屏壁纸  m*en repository的作用是什么  怎么用win7系统盘重装系统  笔记本电脑多少钱  ai文件里无法找到链接文件要怎么解决步骤  电信开通nfc功能是什么意思  服务器系统怎么装  空调主板单片机怎么拆开  恋爱软件免费聊天不收费的有哪些  power在坐标轴中是什么意思  苹果16系统有哪些缺陷  充电器上的power是什么意思  复制 命令如何撤销  市盈率为负值是什么意思  43寸电视长宽多少厘米  满射为什么没有逆映射  win7旗舰版wifi怎么打开  手机如何ip绑定域名解析  折叠屏手机信号哪个最强  壁挂炉power常亮是什么意思