三步就可以完成的MEInst模型部署
一、模型介绍
Mask Encoding for Single Shot Instance Segmentation》一文发表于2020年5月，作者提出了基于FCOS one-stage目标检测网络框架的实例分割网络MEInst。最大的创新点在于在off-line时，通过IPCA的方法将二维的实例mask压缩为一维紧凑的vector。利用了原始mask的redundancy并且更高效的进行重建。实验表明，MEInst的精度比其他的one-stage来的高，和Mask RCNN competitive。
接下来我们一起看看如何快速进行论文复现吧！
二、创建实例
首先打开极链AI云的官网，选择模型创建实例：
https://cloud.videojj.com/model?source=csdn
由于平台已经配置了MEInst的模型库，所以能够一键创建实例，轻松又便捷～
三、论文复现
1、准备coco2017数据集：
2、在/root/AdelaiDet路径下，输入训练代码：
训练效果如下：
3、在/root/AdelaiDet路径下，输入推断如下：
推断效果如下：
到这里，我们就已经完成了MEInst的整个复现成果～具体的模型简介和代码可以在模型详情页查看👍
为了使复现更加方便高效，我们为每一个模型都配置了专属的模型详情页。
模型详情页详细展现了模型的使用方法（包含训练和推理的使用方式和测试案例）在证明模型配置的完整性和方便用户直接测试模型效果上，为用户进一步开发和训练模型提供便利。
极链AI云平台现在更新了大量模型和数据库！省去了繁琐冗长的上传时间，让论文复现一步到位！快去官网试试吧～
ps.在平台没有找到模型的小伙伴可以参加我们的论文复现活动，在学习同时更有云币券作为奖励，快戳小助手咨询详情吧～
聚焦RDK与具身智能，汇集机器人开发教程、开源案例和技术交流
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)