Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
wuzewu 3b995e1d7a | 4 years ago | |
---|---|---|
configs | 4 years ago | |
contrib | 4 years ago | |
dataset | 4 years ago | |
docs | 4 years ago | |
inference | 4 years ago | |
pdseg | 4 years ago | |
pretrained_model | 4 years ago | |
serving | 4 years ago | |
test | 4 years ago | |
turtorial | 4 years ago | |
.copyright.hook | 4 years ago | |
.gitignore | 4 years ago | |
.pre-commit-config.yaml | 4 years ago | |
.style.yapf | 4 years ago | |
.travis.yml | 4 years ago | |
LICENSE | 4 years ago | |
README.md | 4 years ago | |
requirements.txt | 4 years ago |
PaddleSeg是基于PaddlePaddle开发的语义分割库,覆盖了DeepLabv3+, U-Net, ICNet三类主流的分割模型。通过统一的配置,帮助用户更便捷地完成从训练到部署的全流程图像分割应用。
PaddleSeg具备高性能、丰富的数据增强、工业级部署、全流程应用的特点:
基于百度视觉技术部的实际业务经验,内置10+种数据增强策略,可结合实际业务场景进行定制组合,提升模型泛化能力和鲁棒性。
支持U-Net, DeepLabv3+, ICNet三类主流分割网络,结合预训练模型和可调节的骨干网络,满足不同性能和精度的要求。
PaddleSeg支持多进程IO、多卡并行、跨卡Batch Norm同步等训练加速策略,结合飞桨核心框架的显存优化功能,可以大幅度减少分割模型的显存开销,更快完成分割模型训练。
基于Paddle Serving和PaddlePaddle高性能预测引擎,结合百度开放的AI能力,轻松搭建人像分割和车道线分割服务。
我们提供了一系列的使用教程,来说明如何使用PaddleSeg完成一个语义分割模型的训练、评估、部署。
这一系列的文档被分为快速入门、基础功能、预测部署、高级功能四个部分,四个教程由浅至深地介绍PaddleSeg的设计思路和使用方法。
A: 可能是pip源的问题,这种情况下建议切换为官方源,或者通过pip install -r requirements.txt -i
指定其他源地址。
A: 更详细数据增强文档可以参考数据增强
A: 启动训练脚本时通过命令行覆盖TRAIN.RESUME_MODEL_DIR配置为模型checkpoint目录即可, 以下代码示例第100轮重新恢复训练:
python pdseg/train.py --cfg xxx.yaml TRAIN.RESUME_MODEL_DIR /PATH/TO/MODEL_CKPT/100
A: 降低Batch size,使用Group Norm策略;请注意训练过程中当DEFAULT_NORM_TYPE
选择bn
时,为了Batch Norm计算稳定性,batch size需要满足>=2
PaddleSeg在AI Studio平台上提供了在线体验的教程,欢迎体验:
教程 | 链接 |
---|---|
U-Net宠物分割 | 点击体验 |
DeepLabv3+图像分割 | 点击体验 |
PaddleSeg特色垂类模型 | 点击体验 |
微信公众号 官方技术交流QQ群
2019.09.10
v0.1.0
我们非常欢迎您为PaddleSeg贡献代码或者提供使用建议。
飞桨高性能图像分割开发套件,端到端完成从训练到部署的全流程图像分割应用。
https://github.com/PaddlePaddle/PaddleSeg
Python Markdown Text Shell Java other
Dear OpenI User
Thank you for your continuous support to the Openl Qizhi Community AI Collaboration Platform. In order to protect your usage rights and ensure network security, we updated the Openl Qizhi Community AI Collaboration Platform Usage Agreement in January 2024. The updated agreement specifies that users are prohibited from using intranet penetration tools. After you click "Agree and continue", you can continue to use our services. Thank you for your cooperation and understanding.
For more agreement content, please refer to the《Openl Qizhi Community AI Collaboration Platform Usage Agreement》