InSPyReNet 高分辨率显著目标检测从克隆到跑通第一张示例图【免费下载链接】InSPyReNetOfficial PyTorch implementation of Revisiting Image Pyramid Structure for High Resolution Salient Object Detection (ACCV 2022)项目地址: https://gitcode.com/gh_mirrors/in/InSPyReNetInSPyReNet 是一个基于 PyTorch 的高分辨率显著目标检测框架能在缺少高分辨率标注的情况下预测高清图像的显著图。跟着本文搭好环境、放好预训练权重你就能对任意图片跑通第一张显著图。项目速览显著目标检测Salient Object Detection就是让机器找出画面里最抓眼球的主体。这类任务有个现实困难高分辨率图像的像素级标注非常费工费时。InSPyReNetInverse Saliency Pyramid Reconstruction NetworkACCV 2022 论文的思路是让网络生成一组严格的显著图金字塔再用金字塔混合技术把同一张图的低、高两个尺度的结果融合起来这样不需要任何高分辨率训练集也能输出高清显著图。项目用 Python 编写模型部分由 PyTorch 实现主干网络可选 Res2Net50 或 Swin Transformer。金字塔混合是这套方法的另一半从同一张图的低、高两个尺度各构建一个图像金字塔再按尺度融合用来弥补两个尺度之间的有效感受野差异。动手前环境确认清单Python 3.x建议用 conda 建独立环境避免污染其他项目最新版 PyTorch安装时按显卡驱动选择对应的 CUDA 构建官方文档以 CUDA 11.6 为例有 NVIDIA 显卡时驱动需支持 CUDA 11.6纯 CPU 也能跑只是推理更慢准备一张本地图片.jpg、.jpeg 或 .png当示例输入从克隆到跑通 克隆仓库先把项目源码拉到本地进入项目目录git clone https://gitcode.com/gh_mirrors/in/InSPyReNet cd InSPyReNet克隆完成后顶层能看到 configs模型配置、run训练/评估/推理脚本、data数据加载和 utils 几个目录。 搭好 Python 环境建一个独立的 conda 环境先装 PyTorch再装项目其余依赖conda create -y -n inspyrenet python conda activate inspyrenet pip install torch torchvision torchaudio pip install -r requirements.txtPyTorch 选与 CUDA 匹配的版本即可docs/getting_started.md 里附了完整的官方示例命令。 放好预训练权重推理需要一个训练好的模型权重。打开 docs/model_zoo.md找到 Pre-trained Checkpoints 下第一行SwinB / DUTS-TR下载对应链接里的权重文件mkdir -p snapshots/InSPyReNet_SwinB把下载的权重文件放进 snapshots/InSPyReNet_SwinB/ 目录文件名保持 latest.pth。这正是 configs/InSPyReNet_SwinB.yaml 里 Test.Checkpoint.checkpoint_dir 指向的位置。 跑通第一张示例图用推理脚本处理任意一张本地图片显著图默认输出到 results 文件夹python run/Inference.py --config configs/InSPyReNet_SwinB.yaml --source image.png --type map --gpu --verbose跑完后到 results 里就能看到这张图的显著图加上 --jit 参数还能让推理稍快一些。--type 可换成 green、rgba、blur、overlay 等得到不同背景处理效果常见坑torch 与 CUDA 版本不匹配启动即报 CUDA 相关错误 → 重新安装 PyTorch选与显卡驱动一致的构建。运行提示找不到模型报缺少 latest.pth → 确认权重已放到 snapshots/InSPyReNet_SwinB/ 且文件名没有改动。权重和配置不配套结果明显偏色或失效 → 权重与 --config 指定的配置文件必须来自 Model Zoo 同一行例如 DIS5K 权重要配 InSPyReNet_SwinB_DIS5K.yaml。想训练却缺主干权重→ 训练还需要 ImageNet 预训练主干放到 data/backbone_ckpt/ 下下载表格在 docs/getting_started.md。接下来可以做什么跑基准评估把 DUTS-TE 等测试集放到 data/Test_Dataset先执行 python run/Test.py --config configs/InSPyReNet_SwinB.yaml 生成显著图再用 python run/Eval.py 计算 S-measure 等指标。官方在各基准上的对比见下图批量处理自己的数据把 --source 指向一个图片文件夹或 .mp4 视频脚本会逐张、逐帧处理传 0 还可以直接读摄像头输入。用自己的数据训练训练集放进 data/Train_Dataset内部需有 images 和 masks 两个子文件夹改好配置里的 sets 后用 python run/Train.py --config configs/InSPyReNet_SwinB.yaml --verbose 启动单卡训练。【免费下载链接】InSPyReNetOfficial PyTorch implementation of Revisiting Image Pyramid Structure for High Resolution Salient Object Detection (ACCV 2022)项目地址: https://gitcode.com/gh_mirrors/in/InSPyReNet创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考