Deeplabv3p Resnet50

🚀 DeepLabV3+を用いたマルチクラスセマンティックセグメンテーション

このリポジトリには、DeepLabV3+を用いたマルチクラスセマンティックセグメンテーションに関するKerasのサンプルのモデルとノートブックが含まれています。

完全なクレジットは Soumik Rakshit にあります。

このモデルはデモンストレーション目的で学習されており、実運用での最良の結果を保証するものではありません。より良い結果を得るには、[Kerasのサンプル]((https://keras.io/examples/vision/deeplabv3_plus/)を必要に応じてフォローし、最適化してください。

🚀 クイックスタート

このリポジトリでは、DeepLabV3+を用いたマルチクラスセマンティックセグメンテーションのモデルとノートブックを提供しています。詳細なコードや使用方法は、Kerasのサンプルを参照してください。

✨ 主な機能

• 画像内の各ピクセルにセマンティックラベルを割り当てるマルチクラスセマンティックセグメンテーションを実装
• セマンティックセグメンテーションのベンチマークで良好な性能を発揮するDeepLabV3+モデルを使用

📚 ドキュメント

背景情報

セマンティックセグメンテーションは、画像内のすべてのピクセルにセマンティックラベルを割り当てることを目的とした、重要なコンピュータビジョンタスクです。このサンプルでは、マルチクラスセマンティックセグメンテーションのためのDeepLabV3+モデルを実装しています。これは、セマンティックセグメンテーションのベンチマークで良好な性能を発揮する完全畳み込みアーキテクチャです。

学習データ

このモデルは、Crowd Instance-level Human Parsing Datasetのサブセット（10,000枚の画像）で学習されています。Crowd Instance-level Human Parsing (CIHP) データセットには、38,280枚の多様な人物画像が含まれています。CIHPの各画像には、20のカテゴリに対するピクセル単位のアノテーションと、インスタンスレベルの識別情報が付与されています。このデータセットは、「人物パーツセグメンテーション」タスクに使用できます。

モデル

このモデルは、ImageNetで事前学習されたResNet50をバックボーンモデルとして使用しています。

参考文献

1. Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation
2. Rethinking Atrous Convolution for Semantic Image Segmentation
3. DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs

📄 ライセンス

このプロジェクトは CC0-1.0 ライセンスの下で公開されています。