理工酷

基于PaddlePaddle的端到端图像分割套件

PaddleSeg

PaddleSeg是基于飞桨PaddlePaddle开发的端到端图像分割开发套件，涵盖了高精度和轻量级等不同方向的大量高质量分割模型。通过模块化的设计，提供了配置化驱动和API调用两种应用方式，帮助开发者更便捷地完成从训练到部署的全流程图像分割应用。

特性

• 高精度模型：基于百度自研的半监督标签知识蒸馏方案（SSLD）训练得到高精度骨干网络，结合前沿的分割技术，提供了50+的高质量预训练模型，效果优于其他开源实现。

• 模块化设计：支持15+主流 分割网络 ，结合模块化设计的 数据增强策略 、骨干网络、损失函数 等不同组件，开发者可以基于实际应用场景出发，组装多样化的训练配置，满足不同性能和精度的要求。

• 高性能：支持多进程异步I/O、多卡并行训练、评估等加速策略，结合飞桨核心框架的显存优化功能，可大幅度减少分割模型的训练开销，让开发者更低成本、更高效地完成图像分割训练。

模型库

模型\骨干网络	ResNet50	ResNet101	HRNetw18	HRNetw48
ANN	✔	✔
BiSeNetv2	-	-	-	-
DANet	✔	✔
Deeplabv3	✔	✔
Deeplabv3P	✔	✔
Fast-SCNN	-	-	-	-
FCN			✔	✔
GCNet	✔	✔
GSCNN	✔	✔
HarDNet	-	-	-	-
OCRNet			✔	✔
PSPNet	✔	✔
U-Net	-	-	-	-
U2-Net	-	-	-	-
Att U-Net	-	-	-	-
U-Net++	-	-	-	-
DecoupledSegNet	✔	✔
EMANet	✔	✔	-	-
ISANet	✔	✔	-	-
DNLNet	✔	✔	-	-

数据集

• Cityscapes
• Pascal VOC
• ADE20K
• Pascal Context
• COCO stuff

安装

1.安装PaddlePaddle 版本要求

• PaddlePaddle >= 2.0.0
• Python >= 3.6+

由于图像分割模型计算开销大，推荐在GPU版本的PaddlePaddle下使用PaddleSeg。推荐安装10.0以上的CUDA环境。安装教程请见PaddlePaddle官网。

2.安装PaddleSeg 支持用API调用的方式构建定制化的分割框架，灵活开发。

pip install paddleseg

3. 下载PaddleSeg仓库 支持用配置化驱动的方式完成全流程分割应用，简单快捷。

git clone https://github.com/PaddlePaddle/PaddleSeg

4. 验证安装 运行以下命令，如果可以正常进行训练，说明您已经安装成功。

python train.py --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml

使用教程

• 快速入门
• API使用教程
• 数据集准备
• 配置项
• Loss使用
• API参考
• 添加新组件
• 模型压缩
• 模型导出

实践案例

• Cityscapes SOTA

来源https://github.com/PaddlePaddle/PaddleSeg