YOLACT: Real-time Instance Segmentation

paddle文件夹中的是paddle的代码，pytorch文件夹中的是torch官方原代码，

torch2paddle.py是torch模型转paddle模型的代码

PaddlePaddle

切换到paddle目录下，cd paddle

若训练可使用python train.py --config=yolact_base_config

注意，该训练使用的是train2017数据集，在官方给出的模型上继续训练后，精度可到

如果想指定数据集路径，请更改data\config.py文件中的对应属性

预测使用的模型为官方模型转化后的模型，并未进行修改或者重新训练，

预测可使用python eval.py --trained_model=weights/yolact_base_0_1.pdparams

切换到pytorch目录下，

若训练可使用python train.py --config=yolact_base_config

预测可使用python eval.py --trained_model=weights/yolact_base_54_800000.pth

官方给出的mAP为29.8，然而使用官方给的模型验证后mask精度为29.73，box精度为32.07，至于为何，请问pytorch官方

paddle转化后的模型mask精度为29.73，box精度为32.44

请首先检查一下paddle/data目录下是否存在coco/annotations、coco/train以及coco\val这三个文件夹和文件夹下的文件，

coco/annotations保存coco2017数据集的label，coco/train以及coco\val分别是coco2017的训练集和验证集，

若没有，则需要下载对应的val2017数据集、train2017数据集，并解压缩到paddle/data目录下，

由于git限制，模型、源代码以及数据集更新到了百度网盘中，

提取码：8gl6