DVisionix 是一个基于 PyTorch 的深度学习训练框架，旨在简化计算机视觉任务的数据集构建、模型搭建和训练过程。无论你是深度学习的初学者还是经验丰富的研究人员，DVisionix 都能帮助你快速实现你的项目。
该项目目前处于开发阶段。
-
多任务支持：
- 图像分类
- 目标检测
- 语义分割
- 点云处理
-
预置数据集：
- 分类：ImageNet、CIFAR、CUB200
- 检测：COCO、Pascal VOC
- 分割：ADE20K、Cityscapes、Pascal VOC
- 点云：ModelNet、S3DIS、ScanNet、SegKITTI
-
模型架构：
- 主干网络：SwinTransformer 等
- 多种任务专用头部网络
- 可扩展的模块化设计
-
训练支持：
- 灵活的数据增强
- 多种评估指标
- 可视化工具
- 分布式训练
以下是 DVisionix 项目的结构：
DVisionix/
│
├── docs/ # 文档
├── logs/ # 日志文件
├── notebooks/ # Jupyter Notebook 示例
├── src/ # 主框架代码
│ ├── model/ # 模型定义模块
│ │ ├── backbone/ # 模型骨干网络
│ │ ├── head/ # 模型头部
│ │ │ ├── det_head/ # 检测头
│ │ │ ├── cls_head/ # 分类头
│ │ │ ├── seg_head/ # 分割头
│ │ ├── neck/ # 模型颈部
│ ├── dataset/ # 数据集处理模块
│ │ ├── classification/ # 分类数据集
│ │ ├── detection/ # 检测数据集
│ │ ├── segmentation/ # 分割数据集
│ │ ├── pointcloud/ # 点云数据集
│ ├── builder/ # 构建模块
│ ├── trainer/ # 训练逻辑模块
│ ├── utils/ # 工具函数模块
│ ├── configs/ # 配置文件
│ ├── visualizers/ # 可视化模块
│ ├── evaluators/ # 评估模块
├── tests/ # 单元测试
├── weights/ # 权重文件
├── requirements.txt # 依赖包
├── README.md # 项目说明
└── setup.py # 安装脚本
-
克隆项目：
bash git clone https://github.com/LAZYzhaoyang/DVisionix.git cd DVisionix -
安装依赖：
bash pip install -r requirements.txt
使用 DVisionix 提供的数据集模块，轻松构建和加载数据集。
通过定义模型类，使用 PyTorch 的 nn.Module 轻松构建自定义模型。
使用 DVisionix 的训练模块，快速启动训练过程。可以通过配置文件调整超参数。
在 examples/ 目录中，你可以找到一些示例代码，展示如何使用 DVisionix 进行训练和推理。
- ImageNet：1000类图像分类数据集
- CIFAR：CIFAR-10/100 数据集
- CUB200：细粒度鸟类分类数据集
- COCO：大规模目标检测数据集
- Pascal VOC：通用目标检测数据集
- ADE20K：场景解析数据集
- Cityscapes：城市场景分割数据集
- Pascal VOC：语义分割数据集
- ModelNet：3D形状分类数据集
- S3DIS：室内场景点云分割数据集
- ScanNet：室内重建数据集
- SegKITTI：自动驾驶场景点云数据集
欢迎提交 Issue 和 Pull Request！在提交代码前，请确保：
- 代码风格符合项目规范
- 添加必要的文档和注释
- 通过所有测试用例
本项目采用 MIT 许可证，详细信息请查看 LICENSE 文件。
如有任何问题或建议，请联系 zhaoyang.lee@outlook.com。