CoinCheung/BiSeNet

해결하는 문제

이 프로젝트는 실시간 의미론적 분할을 위해 설계된 딥러닝 아키텍처인 BiSeNetV1 및 BiSeNetV2의 고성능 구현을 제공합니다. 다양한 하드웨어 플랫폼에서 높은 프레임 속도로 정확한 이미지 분할을 실행해야 하는 요구 사항을 해결합니다.

작동 방식

이 프로젝트는 BiSeNet 아키텍처의 두 가지 버전을 구현하여 이미지의 모든 픽셀을 특정 클래스(예: 도로, 자동차, 보행자)로 분류할 수 있게 합니다. Cityscapes, COCO-Stuff, ADE20K와 같은 표준 데이터셋에서 모델을 학습, 평가 및 미세 조정하기 위한 도구가 포함되어 있습니다. 프로덕션 환경에서의 효율성을 보장하기 위해 TensorRT, NCNN, OpenVINO 및 Triton Inference Server에 대한 배포 가이드를 제공합니다.

대상 사용자

낮은 지연 시간과 높은 처리량이 필수적인 자율 주행이나 로봇 공학 등의 애플리케이션에서 실시간 의미론적 분할을 구현해야 하는 컴퓨터 비전 엔지니어 및 연구자를 위한 것입니다.

주요 특징

• 실시간 성능: Cityscapes 데이터셋에서 높은 FPS(int8 정밀도에서 최대 426 FPS) 달성.
• 멀티 플랫폼 배포: TensorRT, NCNN, OpenVINO 및 Triton Inference Server에 대한 명시적 지원 포함.
• 유연한 평가: 단일 스케일, 다중 스케일 및 크롭 평가 방법 지원.
• 사전 학습된 가중치: 여러 벤치마크 데이터셋에 대한 가중치 다운로드 제공.