简体中文 | English
最新动态
- [2022-01-20] PaddleSeg 2.4版本发布!详细发版信息请参考Release Note。
- [2021-10-11] PaddleSeg 2.3版本发布交互式分割工具EISeg v0.3, 开源两种Matting算法, 以及分割高阶功能模型蒸馏和模型量化方案。
- [2021-09-20] PaddleSeg团队发表交互式分割论文EdgeFlow,已在多个数据集实现SOTA性能。
简介
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。
-
提供语义分割、交互式分割、全景分割、Matting四大图像分割能力。
-
广泛应用在自动驾驶、医疗、质检、巡检、娱乐等场景。
特性
-
高精度模型:基于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80+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40+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。
技术交流
- 如果你发现任何PaddleSeg存在的问题或者是建议, 欢迎通过GitHub Issues给我们提issues。
- 欢迎加入PaddleSeg QQ群
产品矩阵
模型库总览
模型结构和骨干网络的代表模型在Cityscapes数据集mIoU和FLOPs对比图。请参见Model Zoo Overview了解更多模型信息以及对比图。
使用教程
实践案例
第三方教程推荐
许可证书
本项目的发布受Apache 2.0 license许可认证。
社区贡献
学术引用
如果我们的项目在学术上帮助到你,请考虑以下引用:
@misc{liu2021paddleseg,
title={PaddleSeg: A High-Efficient Development Toolkit for Image Segmentation},
author={Yi Liu and Lutao Chu and Guowei Chen and Zewu Wu and Zeyu Chen and Baohua Lai and Yuying Hao},
year={2021},
eprint={2101.06175},
archivePrefix={arXiv},
primaryClass={cs.CV}
}
@misc{paddleseg2019,
title={PaddleSeg, End-to-end image segmentation kit based on PaddlePaddle},
author={PaddlePaddle Authors},
howpublished = {\url{https://github.com/PaddlePaddle/PaddleSeg}},
year={2019}
}