Project for studying
- Cấu trúc của Yolact (ảnh lấy từ paper)
- Yolact quan trọng vấn đề tốc độ hơn chính xác (độ chính xác giảm không nhiều, nhưng tốc độ vượt trội hơn so với các model khác)
-
YOLACT: Real-time Instance Segmentation
- Author: Daniel Bolya
- Cited by 45
- Link: https://arxiv.org/abs/1904.02689
-
YOLACT++: Better Real-time Instance Segmentation (2019)
- Author: Daniel Bolya
- Cited by 2
- Link: https://arxiv.org/abs/1912.06218
- TACO (Trash Annotations in Context) : https://github.com/pedropro/TACO
- COCO : https://cocodataset.org/#download
Model | Image Size | Backbone | Dataset | Weights |
---|---|---|---|---|
YOLACT | 550 x 550 | Resnet101-FPN | COCO | yolact_base_54_800000.pth |
YOLACT | 550 x 550 | Resnet101-FPN | TACO | yolact_base_10_16500.pth |
Backbone Resnet101: Link
- Yolact: https://github.com/dbolya/yolact
-
Vào link này, thêm lối tắt drive của dataset và annotiation về drive của mình:
-
Thêm lối tắt 3 file pretrained weights ở trên về drive của mình
-
Tải file colab và chạy thử
- Đầu tiên clone source code của Yolact từ trang github của họ về
- Vào thư mục yolact/data mở file config.py và làm giống như ví dụ dưới đây
- Sau đó bạn push folder yolact đó lên github cá nhân, và cũng upload dataset mới lên drive cá nhân
- Tham khảo colab của mình, thay vào đó link github và drive của bạn
- Paper: Read more here