Skip to content

About

基于 MNIST 数据集合成多手写体分割数据集并进行分割模型的构建和测试评估。原始的 MNIST 图像、合成的多手写体图像与对应生成的标签如下图所示。本题目需要基于该数 据集和 PyTorch 构建语义分割网络,评估包括 FCN、UNet、SegNet、DeepLabV3+、UperNet 等在内的至少三种典型语义分割模型架构在该数据集上的性能表现(可根据算力构建一 个小模型,无需使用特别深的大容量网络,但要求包含以上网络的核心特点),报告 Pixel Accuracy, mIoU 和 Boundary IoU 等性能指标。

Resources

Stars

0 stars

Watchers

1 watching

Forks

Latest commit

 

History

1 Commit

Folders and files

NameName
Last commit message
Last commit date
 
 

Repository files navigation

-

基于 MNIST 数据集合成多手写体分割数据集并进行分割模型的构建和测试评估。原始的 MNIST 图像、合成的多手写体图像与对应生成的标签如下图所示。本题目需要基于该数 据集和 PyTorch 构建语义分割网络,评估包括 FCN、UNet、SegNet、DeepLabV3+、UperNet 等在内的至少三种典型语义分割模型架构在该数据集上的性能表现(可根据算力构建一 个小模型,无需使用特别深的大容量网络,但要求包含以上网络的核心特点),报告 Pixel Accuracy, mIoU 和 Boundary IoU 等性能指标。

About

基于 MNIST 数据集合成多手写体分割数据集并进行分割模型的构建和测试评估。原始的 MNIST 图像、合成的多手写体图像与对应生成的标签如下图所示。本题目需要基于该数 据集和 PyTorch 构建语义分割网络,评估包括 FCN、UNet、SegNet、DeepLabV3+、UperNet 等在内的至少三种典型语义分割模型架构在该数据集上的性能表现(可根据算力构建一 个小模型,无需使用特别深的大容量网络,但要求包含以上网络的核心特点),报告 Pixel Accuracy, mIoU 和 Boundary IoU 等性能指标。

Resources

Stars

0 stars

Watchers

1 watching

Forks

Releases

Packages

Contributors