简体中文 | English

PaddleSeg

PaddleSeg重磅发布2.2版本，欢迎体验

PaddleSeg团队在CVPR2021 AutoNUE语义分割赛道中获得冠军! 已发布演讲报告和源代码。
发布了交互式分割的智能标注工具 EISeg。极大的提升了标注效率；
开源了全景分割算法Panoptic-DeepLab丰富了模型种类；
全新升级了人像分割功能，提供了web端超轻量模型部署方案

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。

重要活动提醒

✨直播课预告--全球冠军带你实现产业级图像分割✨

直播链接：http://live.bilibili.com/21689802
Day① 7.13 20:15-21:30
- 主题：顶会冠军图像分割算法深度解密
  - 语义分割全系列算法讲解
  - CVPR冠军解析自动驾驶场景理解方案
  - 揭秘百度全新Transformer算法
Day② 7.14 20:15-21:30
- 主题：高精度人像分割算法及应用
  - 实时人像分割技术难点及实现
  - Web端超轻量模型设计方案
  - 精细化分割Matting技术详解
Day③ 7.15 20:15-21:30
- 主题：交互式分割及破圈应用
  - 交互式分割算法及优化技巧
  - 高效智能标注功能的实现
  - 交互式分割的产业创新应用

特性

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❤️

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微信群（左侧）和QQ群（右侧）

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	-	-	-	-

使用教程

安装
全流程跑通PaddleSeg
数据处理
PaddleSeg的设计**
- 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
API使用教程
- API文档说明
- API应用案例
重要模块说明
经典模型说明
- DeeplabV3
- UNet
- OCRNet
- Fast-SCNN
提交PR说明
FAQ

实践案例

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}
}

TonyX19/PaddleSeg