语义分割¶
介绍¶
PaddleX目前提供了DeepLabv3p、UNet、HRNet和FastSCNN四种语义分割结构,多种backbone模型,可满足开发者不同场景和性能的需求。
- mIOU: 模型在CityScape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) | mIOU | 模型大小 | GPU预测速度 | Arm预测速度 | 备注 |
---|---|---|---|---|---|
DeepLabv3p-MobileNetV2-x0.25 | - | 2.9MB | - | - | 模型小,预测速度快,适用于低性能或移动端设备 |
DeepLabv3p-MobileNetV2-x1.0 | 69.8% | 11MB | - | - | 模型小,预测速度快,适用于低性能或移动端设备 |
DeepLabv3p-Xception65 | 79.3% | 158MB | - | - | 模型大,精度高,适用于服务端 |
UNet | - | 52MB | - | - | 模型较大,精度高,适用于服务端 |
HRNet | 79.4% | 37MB | - | - | 模型较小,模型精度高,适用于服务端部署 |
FastSCNN | - | 4.5MB | - | - | 模型小,预测速度快,适用于低性能或移动端设备 |
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
deeplabv3p_mobilenetv2_x0.25.py
,如下命令即可开始训练python deeplabv3p_mobilenetv2_x0.25.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】更多语义分割模型,查阅PaddleX模型库和API使用文档。