作者:mrgloom | 编辑:Amusi

前言

CVer 陆续分享了GitHub上优质的AI/CV资料集锦,如图像分类、目标检测等,之前的分享详见文末。很多同学反映这个系列很棒,因此系列将继续更新。

本文将分享的内容是:语义分割(Semantic Segmentation)。值得提一下,按近一年顶会上的语义分割方向的论文来看,弱监督+语义分割、域自适应+语义分割方向的论文越来越多了。感兴趣的同学可以看一下:ECCV 2020 语义分割论文大盘点(38篇论文)

注:文末附语义分割微信交流群,欢迎加入学习

awesome-semantic-segmentation

项目作者:mrgloom
Star数量:7100

https://github.com/mrgloom/awesome-semantic-segmentation

本项目包含的内容相当之多,虽然名为语义分割,但跟分割相关方向其实都有涉及:

  • 语义分割
  • 实例分割
  • 数据集
  • Benchmarks
  • 标注工具
  • Losses(损失函数)
  • 医学图像分割
  • 卫星图像分割

其中每个部分介绍的都非常详细,比如一个论文,会相应介绍其多种复现的开源代码(基于PyTorch、TensorFlow等)。

语义分割

主要涵盖了2015-2019年间的优质工作:U-Net系列、SegNet、DeepLab系列、FCN、ENet、ICNet、PSPNet、BiseNet、CCNet和FastFCN等网络

注:2020年的语义分割论文建议主要看CVPR 2020、ECCV 2020上的工作就行
GitHub:语义分割最全资料集锦
GitHub:语义分割最全资料集锦

实例分割

主要涵盖了2015-2020年间的优质工作:FCIS、Mask R-CNN、MR R-CNN、YOLACT、CenterMask和SOLO系列等网络

GitHub:语义分割最全资料集锦
GitHub:语义分割最全资料集锦

数据集

涵盖的语义分割数据集相当多,比如遥感方向、自动驾驶方向等

  • Stanford Background Dataset
  • Sift Flow Dataset
  • Barcelona Dataset
  • Microsoft COCO dataset
  • MSRC Dataset
  • LITS Liver Tumor Segmentation Dataset
  • KITTI
  • Pascal Context
  • Data from Games dataset
  • Human parsing dataset
  • Mapillary Vistas Dataset
  • Microsoft AirSim
  • MIT Scene Parsing Benchmark
  • COCO 2017 Stuff Segmentation Challenge
  • ADE20K Dataset
  • INRIA Annotations for Graz-02
  • Daimler dataset
  • ISBI Challenge: Segmentation of neuronal structures in EM stacks
  • INRIA Annotations for Graz-02 (IG02)
  • Pratheepan Dataset
  • Clothing Co-Parsing (CCP) Dataset
  • Inria Aerial Image
  • ApolloScape
  • UrbanMapper3D
  • RoadDetector
  • Cityscapes
  • CamVid
  • Inria Aerial Image Labeling

Benchmarks

其实除了上面几个项目之外,这里 Amusi 再补充几个目前主流的benchmarks,近期不少顶会上的论文就是在此基础上修改的。

https://github.com/open-mmlab/mmsegmentation
https://github.com/zhanghang1989/PyTorch-Encoding
https://github.com/speedinghzl/pytorch-segmentation-toolbox
https://github.com/NVIDIA/semantic-segmentation

标注工具

labelme 永远滴神!
GitHub:语义分割最全资料集锦
GitHub:语义分割最全资料集锦

Losses(损失函数)

这里也十分推荐大家看一下这篇文章:一文看尽15种语义分割损失函数(含代码解析)

GitHub:语义分割最全资料集锦

侃侃

本项目包含的语义分割论文、开源项目相当多,十分推荐学习!

资料下载

在CVer公众号后台回复:最全语义分割,即可下载访问最全的语义分割论文、开源项目等资料。还有上千人的语义分割微信交流群等你来加入!
GitHub:语义分割最全资料集锦

相关文章: