UDUN
1.0.0
التنفيذ الرسمي لورقة ACM-MM 2023 "اتحدوا - فرقوا - اتحدوا: جذع وهيكل التعزيز المشترك لتجزئة الصور الثنائية عالية الدقة"
جيالون بي، تشانغجون تشو، يويمينغ جين، هي تانغ✉، فنغ آن هينغ
[ورق]؛ [النسخة الرسمية]
جهة الاتصال: [email protected]، [email protected]
DATASET_ROOT/
├── DIS5K
├── DIS-TR
├── im
├── gt
├── trunk-origin
├── struct-origin
├── DIS-VD
├── im
├── gt
├── DIS-TE1
├── im
├── gt
├── DIS-TE2
├── im
├── gt
├── DIS-TE3
├── im
├── gt
├── DIS-TE4
├── im
├── gt
نموذج | أوزان ما قبل التدريب UDUN | ماي | HCE | |
---|---|---|---|---|
ريسنيت-18 | أودون-R18 | 0.807 | 0.065 | 1009 |
ريسنيت-34 | أودون-R34 | 0.818 | 0.060 | 999 |
ريسنيت-50 | أودون-R50 | 0.831 | 0.057 | 977 |
قم بتنزيل أوزان النموذج المُحسّنة وقم بتخزينها في UDUN-master/model.
تم تدريب النتائج المرئية لـ UDUN مع ResNet-50 على DIS-TE بشكل عام .
النتائج المرئية لـ SOTAs الأخرى على DIS-TE بشكل عام .
./train.sh
python3 test.py
cd metrics
python3 test_metrics.py
python3 hce_metric_main.py
cd utils
python3 utils.py
يعتمد هذا العمل على:
شكرا لعملهم العظيم!
إذا كان هذا يفيدك، فيرجى ذكر هذا العمل:
@inproceedings{pei2023unite,
title={Unite-Divide-Unite: Joint Boosting Trunk and Structure for High-accuracy Dichotomous Image Segmentation},
author={Pei, Jialun and Zhou, Zhangjun and Jin, Yueming and Tang, He and Pheng-Ann, Heng},
booktitle={Proceedings of the 31st ACM International Conference on Multimedia},
pages={2139--2147},
year={2023},
}