GitHub項目推薦 | ChainerCV：計算機視覺中的深度學習圖書館

ChainerCV是一個使用Chainer訓練和運行神經網絡以進行計算機視覺任務的工具集合。

GitHub項目地址：https://github.com/chainer/chainercv

文檔鏈接： http://chainercv.readthedocs.io/en/stable/

ChainerCV支持的任務如下：

• 圖像識別 (ResNet, SENet, VGG)
• 對象檢測 (教程, 更快的 R-CNN, SSD, YOLO)
• 語義分割 (SegNet, PSPNet)
• 實例分割 (FCIS,)

指導原則

ChainerCV 根據以下三個原則進行開發：

• 易用性：實現具有內聚性和簡單接口的計算機視覺網絡。
• 再現性：其訓練腳本非常適合作爲參考實現。
• 組合性：工具中具有通用API的數據加載器和評估腳本。

安裝

$ pip install -U numpy$ pip install chainercv

用Anaconda進行安裝的說明，請訪問： http://chainercv.readthedocs.io/en/stable/#install-guide（推薦）

安裝要求

• Chainer及其依賴項
• Pillow
• Cython (構建要求)

額外功能

• Matplotlib
• OpenCV
• SciPy
• mpi4py
• pycocotools

ChainerCV已經測試了在Python 2.7.12 和 3.6.0下的環境

• 主分支設計用於Chainer v4（穩定版）和Chainer v5（開發版）。
• 以下的分支保留了Chainer過去的版本，需要注意的是這些分支已經不再維護。

0.4.11（Chainer v1）。可以通過命令pip install chainercv == 0.4.11安裝。

0.7（Chainer v2）。可以通過命令pip install chainercv == 0.7安裝。

0.8（Chainer v3）。可以通過命令pip install chainercv == 0.8安裝。

0.10（Chainer v4）。可以通過命令pip install chainercv == 0.10安裝。

數據規範

1.圖像

• 色彩通道的順序爲RGB；
• 形狀爲CHW（例如：（通道,高度,寬度））；
• 數值的範圍是[0,255]；
• 大小用 行-列 的順序表示（例如：（高度,寬度））

2.邊界框

• 形狀爲（R,4）；
• 座標排序爲（y_min，x_min，y_max，x_max），順序與OpenCV相反

3.語義分割圖像

• 形狀爲（高度,寬度）；
• 值爲 class id，其數值範圍在[0，n_class - 1]之間

樣本可視化

上圖是ChainerCV支持的檢測模型所輸出的結果

引文

如果ChainerCV有助於你的研究，請引用ACM多媒體開源軟件競賽的論文。以下是一個BibTeX條目：

@inproceedings{ChainerCV2017,
    author = {Niitani, Yusuke and Ogawa, Toru and Saito, Shunta and Saito, Masaki},
    title = {ChainerCV: a Library for Deep Learning in Computer Vision},
    booktitle = {ACM Multimedia},
    year = {2017},
}

論文的查看入口： https://arxiv.org/abs/1708.08169