PaddleSeg: 产业级人像分割方案PPSeg |
您所在的位置：网站首页 › 美国旅游签证是几年 › PaddleSeg: 产业级人像分割方案PPSeg |
PaddleSeg: 产业级人像分割方案PPSeg
|
简体中文 | English 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。 PaddleSeg提供了语义分割、交互式分割、全景分割、Matting四大图像分割能力。
PaddleSeg被广泛地应用在自动驾驶、医疗、质检、巡检、娱乐等场景。
特性 
 直播课回放
✨直播课回放--全球冠军带你实现产业级图像分割✨ 学习链接：https://aistudio.baidu.com/aistudio/education/group/info/24590 Day① 顶会冠军图像分割算法深度解密 Day② 高精度人像分割算法及应用 Day③ 交互式分割及破圈应用 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PaddleSegQQ群
模型说明 
Model Zoo 
使用教程 
安装 全流程跑通PaddleSeg 准备数据集 标注数据的准备 数据标注教程 自定义数据集PaddleSeg二次开发教程 配置文件详解 如何创造自己的模型模型训练 模型评估 模型导出 模型部署 Inference Lite Serving Web模型压缩 量化 裁剪API使用教程 API文档说明 API应用案例重要模块说明 数据增强 Loss说明 Tricks经典模型说明 DeeplabV3 UNet OCRNet Fast-SCNN提交PR说明 FAQ 实践案例
人像分割
医疗图像
遥感分割
全景分割
代码贡献
非常感谢jm12138贡献U2-Net模型。
非常感谢zjhellofss（傅莘莘）贡献Attention U-Net模型，和Dice loss损失函数。
非常感谢liuguoyu666贡献U-Net++模型。
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} } |
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20+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。
您可以前往 完整PaddleSeg在线使用文档目录 获得更详细的说明文档【本文地址】