ENet Real Time Semantic Segmentation

ENet - Segmentação Semântica em Tempo Real

Uma arquitetura de rede neural para segmentação semântica em tempo real.
Neste repositório reproduzimos o ENet Paper - Que pode ser usado em dispositivos móveis para segmentação semântica em tempo real. O link para o artigo pode ser encontrado aqui: ENet

Como usar?

0. Este repositório vem com um caderno prático que você pode usar com o Colab.
   Você pode encontrar um link para o notebook aqui: ENet - Real Time Semantic Segmentation
   Abra no Colab: Abra no Colab

---

0. Clone o repositório e faça cd nele

 git clone https://github.com/iArunava/ENet-Real-Time-Semantic-Segmentation.git
cd ENet-Real-Time-Semantic-Segmentation/

1. Use este comando para treinar o modelo

 python3 init.py --mode train -iptr path/to/train/input/set/ -lptr /path/to/label/set/

2. Use este comando para testar o modelo

 python3 init.py --mode test -m /path/to/the/pretrained/model.pth -i /path/to/image/to/infer.png

3. Use --help para obter mais comandos

 python3 init.py --help

Alguns resultados

Referências

1. A. Paszke, A. Chaurasia, S. Kim e E. Culurciello. Enet: Uma arquitetura de rede neural profunda para segmentação semântica em tempo real. Pré-impressão do arXiv arXiv:1606.02147, 2016.

Citações

 @inproceedings{ BrostowSFC:ECCV08,
  author    = {Gabriel J. Brostow and Jamie Shotton and Julien Fauqueur and Roberto Cipolla},
  title     = {Segmentation and Recognition Using Structure from Motion Point Clouds},
  booktitle = {ECCV (1)},
  year      = {2008},
  pages     = {44-57}
}

@article{ BrostowFC:PRL2008,
    author = "Gabriel J. Brostow and Julien Fauqueur and Roberto Cipolla",
    title = "Semantic Object Classes in Video: A High-Definition Ground Truth Database",
    journal = "Pattern Recognition Letters",
    volume = "xx",
    number = "x",   
    pages = "xx-xx",
    year = "2008"
}

Licença

O código neste repositório é distribuído sob a licença BSD v3.
Fique à vontade para desembolsar e aproveitar :)