/PaddleSeg

End-to-end image segmentation kit based on PaddlePaddle.

Primary LanguagePythonApache License 2.0Apache-2.0

简体中文 | English

PaddleSeg

Build Status License Version python version support os

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

demo

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

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}
}