DDRNet_paddle

1 简介

本项目基于paddlepaddle框架复现了DDRNet语义分割模型.

论文：

• [1] Changqian Yu, Jingbo Wang, Chao Peng, Changxin Gao, Gang Yu, and Nong Sang. Deep Dual-resolution Networks for Real-time and Accurate Semantic Segmentation of Road Scenes

项目参考：

• https://github.com/ydhongHIT/DDRNet

2 复现精度

在CityScapes val数据集的测试效果如下表。

NetWork	steps	opt	image_size	batch_size	dataset	memory	card	mIou	config	weight	log
DDRNet23	120K	SGD	1024x1024x512	12	CityScapes	32G	4	79.63%	ddrnet_cityscapes_1024x1024_120k.yml	link 提取码：1upj	log

3 数据集

CityScapes dataset

• 数据集大小:
  • 训练集: 2975
  • 验证集: 500

4 环境依赖

• 硬件: Tesla V100 * 4

• 框架:

  • PaddlePaddle == 2.2.2

快速开始

第一步：克隆本项目

# clone this repo
git clone https://github.com/justld/DDRNet_paddle.git
cd DDRNet_paddle

安装第三方库

pip install -r requirements.txt

第二步：训练模型

上方表格提供imagenet pretrained权重以及训练好的权重，如需加载预训练权重，需要修改config文件中的pretrain路径。

单卡训练：

python train.py --config configs/ddrnet/ddrnet_cityscapes_1024x1024_120k.yml  --do_eval --use_vdl --log_iter 100 --save_interval 4000 --save_dir output

多卡训练：

python -m paddle.distributed.launch train.py --config configs/ddrnet/ddrnet_cityscapes_1024x1024_120k.yml  --do_eval --use_vdl --log_iter 100 --save_interval 2000 --save_dir output

第三步：测试

output目录下包含已经训练好的模型参数以及对应的日志文件。(权重文件在上方的表格中)

python val.py --config configs/ddrnet/ddrnet23_cityscapes_1024x1024_120k.yml --model_path {your_model_path}

第四步：tipc

在linux下，进入DDRNet_paddle文件夹，运行命令

bash test_tipc/prepare.sh ./test_tipc/configs/ddrnet/train_infer_python.txt 'lite_train_lite_infer'
bash test_tipc/test_train_inference_python.sh ./test_tipc/configs/ddrnet/train_infer_python.txt 'lite_train_lite_infer'

5 代码结构与说明

代码结构

├─benchmark  
├─configs  
├─deploy  
├─images  
├─configs  
├─slim  
├─images  
├─output  
├─paddleseg  
├─test_tipc  
│  export.py  
│  predict.py  
│  README.md  
│  README_CN.md  
│  requirements.txt  
│  setup.py  
│  train.py  
│  val.py  

说明 1、本项目在Aistudio平台，使用Tesla V100 * 4 脚本任务训练120K miou达到79.63%。
2、本项目基于PaddleSeg开发。