- 已有模型: Unet, Uresnet(resnet作为encoder), FPN(resnet作为encoder)
- 参数：见train.py
- 依赖：pytorch, opencv-python, pillow, albumentations, matplotlib, tqdm ...
-
实现测试指标，可视化结果
- 实现test.py, 计算指标和产生可视化结果
- 指标参考官网 https://www.cvlibs.net/datasets/kitti/eval_road.php
-
不同模型，from scratch，相同的loss，比较最好结果
| DICE-Loss | MaxF | AP | PRE | REC | ACC | Inference Time |
|---|---|---|---|---|---|---|
| Unet | 0.9295 | 0.0229 | 0.9295 | 0.9327 | 0.9821 | 5.88 |
| UResnet | 0.8727 | 0.0229 | 0.792 | 0.9409 | 0.9615 | 5.75 |
| FPN | 0.8705 | 0.0229 | 0.8027 | 0.9217 | 0.9616 | 5.38 |
- 相同模型，不同loss（例如下面几个或者其他的），比较最好结果
| MODEL - ? | MaxF | AP | PRE | REC |
|---|---|---|---|---|
| iou | ||||
| bce | ||||
| bce+dice | ||||
| anything else |
- 使用imagenet pre-trained参数初始化模型与否，比较最好结果
| MaxF | AP | PRE | REC | |
|---|---|---|---|---|
| UResnet | ||||
| FPN | ||||
| UResnet+pre | ||||
| FPN+pre |