Skip to content

Latest commit

 

History

History
103 lines (74 loc) · 2.96 KB

README_CN.md

File metadata and controls

103 lines (74 loc) · 2.96 KB

BasicISOS

BasicISOS 是一个用于红外弱小目标分割的框架, 目前支持:

  • 单卡训练
  • 从断点续训练
  • 多卡训练 (采用DDP模式)
  • 测试和推理

它同时包含了我们文章的官方实现 Local Contrast and Global Contextual Information Make Infrared Small Object Salient Again

当然它也可以用于其他的二分类任务 （如：医学分割、显著物体检测等）

环境需要

numpy >= 1.21.2 (maybe lower is ok)

opencv >= 4.5.3 (maybe lower is ok)

pytorch >= 1.9.1 (maybe >= 1.8.1 is also ok)

albumentations >= 0.5.2

etc.

📋 注：我们所使用的所有环境在requirements.txt里，但并不一定要完全与我们所使用的环境版本相同。

数据集结构

如果你想要在自己的数据集上训练，你需要按照下列的结构准备数据:

|-SIRST
    |-trainval
        |-images
            |-xxx.png
        |-masks
            |-xxx.png
    |-test
        |-images
            |-xxx.png
        |-masks
            |-xxx.png

我们已经重新整理了 SIRST 和 IRSTD, 你可以直接下载和解压使用。

Training

使用下面的命令进行训练:

python train.py --opt ./options/ucf_train.yaml

📋 使用代码进行训练后，它会自动在./experiments目录下创建一个文件件，里面会保存这次实验的所有logs，损失值和评价指标的tensorboard曲线， 模型参数和训练状态。

Evaluation

使用下面的命令进行预测:

python test.py --opt ./test_options/ucf_test.yaml

📋 简单例子:

  1. 下载并解压数据集
  2. 下载预训练权重
  3. 更改配置文件./test_options/test_demo.yaml, 具体地:你需要改使用的 device (cpu are not support right now), data_root and net_path使其符合你自己的环境。

预训练权重和结果

你可以下载预训练权重（我们还提供了整个训练的logs）:

Model name IoU nIoU
UCF Net 80.89 78.72
Model name IoU nIoU
UCF Net 68.92 69.26

进阶功能

文档会后面持续更新，包括如何定义自己的数据增强方式，如何添加自己的网络等

Contributing

📋 BasicISOS v1.0 几乎由我个人完全建立的 wcyjerry (其中一些代码借鉴修改于 BasicSR), 如果你想帮助我们进行框架的维护和改进，请联系我 [email protected]

Feel free to pull requests and issues.