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✨
-
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
- 主题:顶会冠军图像分割算法深度解密
-
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
- 主题:高精度人像分割算法及应用
-
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
- 主题:交互式分割及破圈应用
-
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❤️
- 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\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 | - | - | - | - |
-
数据处理
-
PaddleSeg的设计**
-
模型部署
-
API使用教程
-
重要模块说明
-
经典模型说明
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。
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}
}