contrib

PaddleSeg 产业实践

提供基于PaddlSeg最新的分割特色模型:

• 人像分割
• 遥感分割
• 人体解析
• 车道线分割
• 工业表盘分割
• AIStudio在线教程

人像分割 HumanSeg

HumanSeg系列全新升级，提供三个适用于不同场景，包含适用于移动端实时分割场景的模型HumanSeg-lite，提供了包含光流的后处理的优化，使人像分割在视频场景中更加顺畅，更多详情请参考HumanSeg

遥感分割 Remote Sensing Segmentation

PaddleSeg遥感影像分割涵盖图像预处理、数据增强、模型训练、预测流程。 针对遥感数据多通道、分布范围大、分布不均的特点，我们支持多通道训练预测，内置10+多通道预处理和数据增强的策略，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。 内置U-Net, HRNet两种主流分割网络，可选择不同的损失函数如Dice Loss, BCE Loss等方式强化小目标和不均衡样本场景下的分割精度。更多详情请参考RemoteSensing

以下是遥感云检测的示例效果：

人体解析 Human Parsing

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）。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LIP挑战赛中赢得了全部三个人体解析任务的第一名

ACE2P模型框架图

PaddleSeg提供了ACE2P获得比赛冠军的预训练模型，更多详情请点击ACE2P

车道线分割 LaneNet

PaddleSeg提供了基于LaneNet的车道线分割模型，更多详情请点击LaneNet

工业表盘分割

Note: 本章节所有命令均在PaddleSeg目录下执行。

1. 模型结构

U-Net

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：

AIStudio在线教程

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