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++	-	-	-	-
U-Net3+	-	-	-	-
DecoupledSegNet	✔	✔
EMANet	✔	✔	-	-
ISANet	✔	✔	-	-
DNLNet	✔	✔	-	-
SFNet	✔	-	-	-
PPSegLite	-	-	-	-

模型说明

模型性能参数

• 表格展示了PaddleSeg所实现的分割模型在取得最高分类精度的配置下的一些评价参数。
• 其中，mIoU、mIoU(flip)、mIoU(ms+flip)是对模型进行评估的结果。ms 表示multi-scale，即使用三种scale [0.75, 1.0, 1.25]；flip表示水平翻转。
• 推理时间是使用CityScapes数据集中的图像进行100次预测取平均值的结果。

配置项

---

train_dataset

训练数据集

• 参数
  • type : 数据集类型，所支持值请参考训练配置文件
  • others : 请参考对应模型训练配置文件

---

val_dataset

评估数据集

• 参数
  • type : 数据集类型，所支持值请参考训练配置文件
  • others : 请参考对应模型训练配置文件

---

batch_size

单张卡上，每步迭代训练时的数据量

---

iters

训练步数

---

optimizer

训练优化器

• 参数
  • type : 优化器类型，目前只支持'sgd'和'adam'
  • momentum : 动量
  • weight_decay : L2正则化的值

---

lr_scheduler

学习率

• 参数
  • type : 学习率类型，支持10种策略，分别是'PolynomialDecay', 'PiecewiseDecay', 'StepDecay', 'CosineAnnealingDecay', 'ExponentialDecay', 'InverseTimeDecay', 'LinearWarmup', 'MultiStepDecay', 'NaturalExpDecay', 'NoamDecay'.
  • others : 请参考Paddle官方LRScheduler文档

---

learning_rate（不推荐使用该配置，将来会被废弃，建议使用lr_scheduler代替）

学习率

• 参数
  • value : 初始学习率
  • decay : 衰减配置
    • type : 衰减类型，目前只支持poly
    • power : 衰减率
    • end_lr : 最终学习率

---

loss

损失函数

• 参数
  • types : 损失函数列表
    • type : 损失函数类型，所支持值请参考损失函数库
    • ignore_index : 训练过程需要忽略的类别，默认取值与train_dataset的ignore_index一致，推荐不用设置此项。如果设置了此项，loss和train_dataset的ignore_index必须相同。
  • coef : 对应损失函数列表的系数列表

---

model

待训练模型

• 参数
  • type : 模型类型，所支持值请参考模型库
  • others : 请参考对应模型训练配置文件

---

export

模型导出配置

• 参数
  • transforms : 预测时的预处理操作，支持配置的transforms与train_dataset、val_dataset等相同。如果不填写该项，默认只会对数据进行归一化标准化操作。

具体配置文件说明请参照配置文件详解