实例分割¶
介绍¶
PaddleX目前提供了MaskRCNN实例分割模型结构,多种backbone模型，可满足开发者不同场景和性能的需求。
- Box MMAP/Seg MMAP: 模型在COCO数据集上的测试精度
- 预测速度：单张图片的预测用时（不包括预处理和后处理)
- “-“表示指标暂未更新
| 模型(点击获取代码) | Box MMAP/Seg MMAP | 模型大小 | GPU预测速度 | Arm预测速度 | 备注 |
|---|---|---|---|---|---|
| MaskRCNN-ResNet50-FPN | 38.7%/34.7% | 177.7MB | 160.185ms | - | 模型精度高，适用于服务端部署 |
| MaskRCNN-ResNet18-FPN | 33.6/30.5 | 189.1MB | - | - | 模型精度高，适用于服务端部署 |
| MaskRCNN-HRNet-FPN | 38.7%/34.7% | 120.7MB | - | - | 模型精度高，预测速度快，适用于服务端部署 |
开始训练¶
代码保存到本地后，即可直接训练，训练代码会自动下载训练数据开始训练
如保存为
mask_r50_fpn.py，如下命令即可开始训练python mask_r50_fpn.py
相关文档¶
- 【重要】针对自己的机器环境和数据，调整训练参数？先了解下PaddleX中训练参数作用。——>>传送门
- 【有用】没有机器资源？使用AIStudio免费的GPU资源在线训练模型。——>>传送门
- 【拓展】更多实例分割模型，查阅PaddleX模型库和API使用文档。