惊人的语义分割 Tensorflow && Keras上的惊人语义分割（包括FCN，UNet，SegNet，PSPNet，PAN，RefineNet，DeepLabV3，DeepLabV3 +，DenseASPP，BiSegNet ...） 楷模 该项目支持以下语义分割模型： FCN-8s / 16s / 32s- UNet- SegNet- 贝叶斯SegNet- PSPNet- RefineNet- PAN- DeepLabV3- DeepLabV3Plus- DenseASPP- BiSegNet- 基本型号 该项目支持以下这些主干模型，您可以根据需要选择合适的基本模型。

在Cityscapes数据集上训练的DeepLabV3的PyTorch实现

DeepLab V3 Plus（DeepLab v3 ）的更高性能的pytorch实现

完整工程案例：深度学习Tensorflow 图像语义分割（Image Segmentation）DeepLab基于ResNet101模型（tensorflow1.1以上、python3.5及以上）

DeeplabV3 和 PSPNet的PyTorch实现

DeepLab V3+ 训练自己的数据-附件资源

一个语义分割网络deeplabv3plus在cityscapes数据集上的预训练模型，最好的效果。.ph文件

Pytorch+Deeplabv3实现CityScapes数据集训练与测试

针对cityscapes的复现， 测试的evl准确率比官方给的低了2~3个百分点， 主要对其进行了分类的修改

本代码是deeplabv3的一个复现，进入代码后数据集可以直接输入 python download.py 下载数据集，下载之后可以输入 python train.py即可运行，输入python test_demo.py可以先测试一下，均可直接运行