PaddleSeg: A Python repository from fanfannothing

简体中文 | English

飞桨高性能图像分割开发套件，端到端地完成从训练到部署的全流程图像分割应用。

简介

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。

提供语义分割、交互式分割、全景分割、Matting四大图像分割能力。

广泛应用在自动驾驶、医疗、质检、巡检、娱乐等场景。

特性

高精度模型：基于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80+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40+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。

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

产品矩阵

分割模型

分割组件

实践案例

ANN

BiSeNetV2

DANet

DeepLabV3

DeepLabV3P

Fast-SCNN

HRNet-FCN

GCNet

GSCNN

HarDNet

OCRNet

PSPNet

U-Net

U²-Net

Att U-Net

U-Net++

U-Net3+

DecoupledSeg

EMANet

ISANet

DNLNet

SFNet

PP-HumanSeg

PortraitNet

STDC

GINet

PointRend

SegNet

ESPNetV2

HRNet-Contrast

DMNet

ESPNetV1

ENCNet

PFPNNet

FastFCN

BiSeNetV1

SETR

MLA Transformer

SegFormer

SegMenter

ENet

CCNet

DDRNet

GloRe

PP-LiteSeg ⭐

骨干网络

HRNet
MobileNetV2
MobileNetV3
ResNet
STDCNet
XCeption
VIT
MixVIT
Swin Transformer

损失函数

Cross Entropy
Binary CE
Bootstrapped CE
Point CE
OHEM CE
Pixel Contrast CE
Focal
Dice
RMI
KL
L1
Lovasz
MSE
Edge Attention
Relax Boundary
Connectivity
MultiClassFocal

评估指标

mIoU
Accuracy
Kappa
Dice
AUC_ROC

支持数据集

Cityscapes
Pascal VOC
ADE20K
Pascal Context
COCO Stuff
SUPERVISELY
EG1800
CHASE_DB1
HRF
DRIVE
STARE
PP-HumanSeg14K

数据增强

Flipping
Resize
ResizeByLong
ResizeByShort
LimitLong
ResizeRangeScaling
ResizeStepScaling
Normalize
Padding
PaddingByAspectRatio
RandomPaddingCrop
RandomCenterCrop
ScalePadding
RandomNoise
RandomBlur
RandomRotation
RandomScaleAspect
RandomDistort
RandomAffine

交互式分割

EISeg
RITM
EdgeFlow

图像抠图

PP-Matting
DIM
MODNet
PP-HumanMatting

人像分割

PP-HumanSeg

3D 医疗分割

VNet

Cityscapes打榜模型

HMSA

全景分割

Panoptic-DeepLab

CVPR冠军模型

MLA Transformer

领域自适应

PixMatch

模型库总览

模型结构和骨干网络的代表模型在Cityscapes数据集mIoU和FLOPs对比图。请参见Model Zoo Overview了解更多模型信息以及对比图。

使用教程

实践案例

第三方教程推荐

许可证书

本项目的发布受Apache 2.0 license许可认证。

社区贡献

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。
非常感谢yazheng0307 (刘正)贡献快速开始教程文档。
非常感谢CuberrChen贡献STDC (rethink BiSeNet) PointRend，和 Detail Aggregate损失函数。
非常感谢stuartchen1949贡献 SegNet。
非常感谢justld(郎督)贡献 DDRNet, CCNet, ESPNetV2, DMNet, ENCNet, HRNet_W48_Contrast, BiSeNetV1, FastFCN, SECrossEntropyLoss 和PixelContrastCrossEntropyLoss。
非常感谢Herman-Hu-saber(胡慧明)参与贡献 ESPNetV2。
非常感谢zhangjin12138贡献数据增强方法 RandomCenterCrop。
非常感谢simuler 贡献 ESPNetV1。
非常感谢ETTR123(张恺) 贡献 ENet，PFPNNet。

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}
}

fanfannothing/PaddleSeg

最新动态

简介

提供语义分割、交互式分割、全景分割、Matting四大图像分割能力。

广泛应用在自动驾驶、医疗、质检、巡检、娱乐等场景。

特性