PaddleSeg 特色垂类分割模型

提供基于PaddlePaddle最新的分割特色模型:

• 人像分割
• 人体解析
• 车道线分割
• 工业用表分割
• 在线体验

人像分割

Note: 本章节所有命令均在contrib/HumanSeg目录下执行。

cd contrib/HumanSeg

1. 模型结构

DeepLabv3+ backbone为Xception65

2. 下载模型和数据

执行以下命令下载并解压模型和数据集：

python download_HumanSeg.py

或点击链接进行手动下载，并解压到contrib/HumanSeg文件夹下

3. 运行

使用GPU预测：

python -u infer.py --example HumanSeg --use_gpu

使用CPU预测：

python -u infer.py --example HumanSeg

预测结果存放在contrib/HumanSeg/HumanSeg/result目录下。

4. 预测结果示例：

原图：

预测结果：

人体解析

人体解析(Human Parsing)是细粒度的语义分割任务，旨在识别像素级别的人类图像的组成部分（例如，身体部位和服装）。本章节使用冠军模型Augmented Context Embedding with Edge Perceiving (ACE2P)进行预测分割。

Note: 本章节所有命令均在contrib/ACE2P目录下执行。

cd contrib/ACE2P

1. 模型概述

Augmented Context Embedding with Edge Perceiving (ACE2P)通过融合底层特征、全局上下文信息和边缘细节，端到端训练学习人体解析任务。以ACE2P单人人体解析网络为基础的解决方案在CVPR2019第三届Look into Person (LIP)挑战赛中赢得了全部三个人体解析任务的第一名。详情请参见ACE2P

2. 模型下载

执行以下命令下载并解压ACE2P预测模型：

python download_ACE2P.py

或点击链接进行手动下载, 并在contrib/ACE2P下解压。

3. 数据下载

测试图片共10000张， 点击 Baidu_Drive 下载Testing_images.zip，或前往LIP数据集官网进行下载。 下载后解压到contrib/ACE2P/data文件夹下

4. 运行

使用GPU预测

python -u infer.py --example ACE2P --use_gpu

使用CPU预测：

python -u infer.py --example ACE2P

NOTE: 运行该模型需要2G左右显存。由于数据图片较多，预测过程将比较耗时。

5. 预测结果示例：

原图：

预测结果：

备注

1. 数据及模型路径等详细配置见ACE2P/HumanSeg/RoadLine下的config.py文件
2. ACE2P模型需预留2G显存，若显存超可调小FLAGS_fraction_of_gpu_memory_to_use

车道线分割

Note: 本章节所有命令均在contrib/RoadLine目录下执行。

cd contrib/RoadLine

1. 模型结构

Deeplabv3+ backbone为MobileNetv2

2. 下载模型和数据

执行以下命令下载并解压模型和数据集：

python download_RoadLine.py

或点击链接进行手动下载，并解压到contrib/RoadLine文件夹下

3. 运行

使用GPU预测：

python -u infer.py --example RoadLine --use_gpu

使用CPU预测：

python -u infer.py --example RoadLine

预测结果存放在contrib/RoadLine/RoadLine/result目录下。

4. 预测结果示例：

原图：

预测结果：

工业用表分割

Note: 本章节所有命令均在PaddleSeg目录下执行。

1. 模型结构

unet

2. 数据准备

执行以下命令下载并解压数据集，数据集将存放在contrib/MechanicalIndustryMeter文件夹下：

python ./contrib/MechanicalIndustryMeter/download_mini_mechanical_industry_meter.py

3. 下载预训练模型

python ./pretrained_model/download_model.py unet_bn_coco

4. 训练与评估

export CUDA_VISIBLE_DEVICES=0 
python ./pdseg/train.py --log_steps 10 --cfg contrib/MechanicalIndustryMeter/unet_mechanical_meter.yaml --use_gpu --do_eval --use_mpio 

5. 可视化

我们已提供了一个训练好的模型，执行以下命令进行下载，下载后将存放在./contrib/MechanicalIndustryMeter/文件夹下。

python ./contrib/MechanicalIndustryMeter/download_unet_mechanical_industry_meter.py

使用该模型进行预测可视化：

python ./pdseg/vis.py --cfg contrib/MechanicalIndustryMeter/unet_mechanical_meter.yaml --use_gpu --vis_dir vis_meter \
TEST.TEST_MODEL "./contrib/MechanicalIndustryMeter/unet_mechanical_industry_meter/" 

可视化结果会保存在./vis_meter文件夹下。

6. 可视化结果示例：

原图：

预测结果：

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
工业质检	点击体验
人像分割	点击体验
特色垂类模型	点击体验