Fast-SCNN

基于如下论文复现该网络

fast-scnn paper

网络架构

网络结构详情

Input	Block	t	c	n	s
1024 × 2048 × 3	Conv2D	-	32	1	2
512 × 1024 × 32	DSConv	-	48	1	2
256 × 512 × 48	DSConv	-	64	1	2
128 × 256 × 64	bottleneck	6	64	3	2
64 × 128 × 64	bottleneck	6	96	3	2
32 × 64 × 96	bottleneck	6	128	3	1
32 × 64 × 128	PPM	-	128	-	-
32 × 64 × 128	FFM	-	128	-	-
128 × 256 × 128	DSConv	-	128	2	1
128 × 256 × 128	Conv2D	-	nums of classes	1	1

Table 1

Input	Operator	Output
h × w × c	Conv2D 1/1, f	h × w × tc
h × w × tc	DWConv 3/s, f	h/s x w/s x tc
h/s x w/s x tc	Conv2D 1/1, −	h/s x w/s x c'

Table 2

使用方法

基于540x540分辨率，在voc2012数据集上训练了一个权重，各位可以用这个来初始化，节约一些训练时间
https://pan.baidu.com/s/17_pGbpkI4tx8eOMZFS73fA password:v98k

数据准备

准备原图文件夹 img，准备label图文件夹 label，然后准备好train.txt 和 val.txt，放在同一级目录下，结构如下：
dataset
|train.txt
|val.txt
└--img
| | image1.jpg
| | image2.jpg
└--label
| image1.png
| image2.png

train.txt/val.txt 格式如下：
image1.jpg image1.png
image2.jpg image2.png
......

训练脚本准备

可以按照上述结构准备数据并训练

TODO

• Training & Validate functions
• Tensorboard 记录
• resume training 脚本
• VOC2012数据集训练脚本
• 多GPU训练