• PaddleSeg 语义分割库
• • 简介
  • 使用教程
  • • 快速入门
    • 基础功能
    • 预测部署
    • 高级功能
  • FAQ
  • • • Q: 安装requirements.txt指定的依赖包时，部分包提示找不到？
      • Q:图像分割的数据增强如何配置，Unpadding, StepScaling, RangeScaling的原理是什么？
      • Q: 训练时因为某些原因中断了，如何恢复训练？
      • Q: 预测时图片过大，导致显存不足如何处理？
  • 在线体验
  • 交流与反馈
  • 更新日志
  • 如何贡献代码

PaddleSeg 语义分割库

简介

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:

• 丰富的数据增强

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。

• 主流模型覆盖

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。

• 高性能

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。

• 工业级部署

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。

使用教程

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。

快速入门

• 安装说明
• 训练/评估/可视化

基础功能

• 分割模型介绍
• 预训练模型列表
• 自定义数据的准备与标注
• 数据和配置校验
• 如何训练DeepLabv3+
• 如何训练U-Net
• 如何训练ICNet

预测部署

• 模型导出
• C++预测库使用
• PaddleSeg Serving服务化部署

高级功能

• PaddleSeg的数据增强
• 特色垂类模型使用

FAQ

Q: 安装requirements.txt指定的依赖包时，部分包提示找不到？

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。

Q:图像分割的数据增强如何配置，Unpadding, StepScaling, RangeScaling的原理是什么？

A: 更详细数据增强文档可以参考数据增强

Q: 训练时因为某些原因中断了，如何恢复训练？

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

Q: 预测时图片过大，导致显存不足如何处理？

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

在线体验

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

交流与反馈

• 欢迎您通过Github Issues来提交问题、报告与建议
• 微信公众号：飞桨PaddlePaddle
• QQ群: 796771754

     

   微信公众号                官方技术交流QQ群

• 论坛: 欢迎大家在PaddlePaddle论坛分享在使用PaddlePaddle中遇到的问题和经验, 营造良好的论坛氛围

更新日志

• 2019.09.10

  v0.1.0

  • PaddleSeg分割库初始版本发布，包含DeepLabv3+, U-Net, ICNet三类分割模型, 其中DeepLabv3+支持Xception, MobileNet两种可调节的骨干网络。
  • CVPR19 LIP人体部件分割比赛冠军预测模型发布ACE2P
  • 预置基于DeepLabv3+网络的人像分割和车道线分割预测模型发布

如何贡献代码

我们非常欢迎您为PaddleSeg贡献代码或者提供使用建议。