navya-2020 / paddleseg Goto Github PK

简体中文 | English

• 🎊 【分割技术分享三日课】PP-HumanSegV2、EISeg 1.0、MedicalSegV2技术方案大揭秘！

  • ⏰ 时间：10月31日 晚上8:30, 11月1-2日 晚上7:00
  • 10月31日：PP-HumanSegV2：精度96.63%、速度63FPS的人像分割SOTA方案
  • 11月01日：EISeg 1.0：智能交互式标注，标注效率提升超过10倍
  • 11月02日：MedicalSegV2：高精度定制化3D医疗分割方案
  • 🎁 扫码报名入群，即可获取专属直播链接与学习大礼包！
  

• [2022-10-11] 🔥 开源官方实现的RTFormer模型 (NeurIPS 2022)。
• [2022-07-20] 🔥 PaddleSeg 2.6版本发布！详细发版信息请参考Release Note。
  • 发布实时人像分割模型PP-HumanSeg v2，推理速度提升45.5%，移动端达到64.26 FPS，分割精度更高、通用型更强、零成本开箱即用（PP-HumanSeg v2的生动解读）。
  • 发布高性能智能标注工具EISeg v1.0正式版，实现一次训练万物可标，加速提升图像、视频、3D医疗影像等领域的分割标注效率。
  • 发布120多万张ImageNet分割伪标签数据集，以及预训练方法PSSL，全面提升分割模型在下游任务上的性能。
  • 开源PP-Matting代码和预训练模型，并新增5种传统机器学习抠图方法，无需训练可直接使用。
  • 发布产业级语义分割模型，包括高精度、轻量级和超轻量级系列。
• [2022-04-20] PaddleSeg 2.5版本发布超轻量级语义分割模型PP-LiteSeg，高精度抠图模型PP-Matting，3D医疗影像开发套件MedicalSeg，交互式分割工具EISeg v0.5。
• [2022-01-20] PaddleSeg 2.4版本发布交互式分割工具EISeg v0.4，超轻量级人像分割方案PP-HumanSeg，以及大规模视频会议数据集PP-HumanSeg14K。

PaddleSeg是基于飞桨PaddlePaddle的端到端图像分割套件，内置40+模型算法及140+预训练模型，支持配置化驱动和API调用开发方式，打通数据标注、模型开发、训练、压缩、部署的全流程，提供语义分割、交互式分割、Matting、全景分割四大分割能力，助力算法在医疗、工业、遥感、娱乐等场景落地应用。

• 高精度：跟踪学术界的前沿分割技术，结合半监督标签知识蒸馏方案(SSLD)训练的骨干网络，提供40+主流分割网络、140+的高质量预训练模型，效果优于其他开源实现。

• 高性能：使用多进程异步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，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。

• 模块化：源于模块化设计**，解耦数据准备、分割模型、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，组装多样化的配置，满足不同性能和精度的要求。

• 全流程：打通数据标注、模型开发、模型训练、模型压缩、模型部署全流程，经过业务落地的验证，让开发者完成一站式开发工作。

• 如果大家有PaddleSeg的使用问题和功能建议, 可以通过GitHub Issues提issue。
• 欢迎大家加入PaddleSeg的微信用户群👫（扫码填写问卷即可入群），和各界大佬交流学习，还可以领取重磅大礼包🎁
  • 🔥 获取PaddleSeg的历次直播视频，最新发版信息和直播动态
  • 🔥 获取PaddleSeg自建的人像分割数据集，整理的开源数据集
  • 🔥 获取PaddleSeg在垂类场景的预训练模型和应用合集，涵盖人像分割、交互式分割等等
  • 🔥 获取PaddleSeg的全流程产业实操范例，包括质检缺陷分割、抠图Matting、道路分割等等

教程

• 快速体验
• 20分钟快速上手PaddleSeg

文档

• 安装说明

• 准备数据

  • 准备公开数据集
  • 准备自定义数据集
  • EISeg 数据标注

• 模型训练

• 模型评估

• 模型预测

• 模型导出

  • 导出预测模型
  • 导出ONNX模型

• 模型部署

  • Paddle Inference部署(Python)
  • Paddle Inference部署(C++)
  • Paddle Lite部署
  • Paddle Serving部署
  • Paddle JS部署
  • 推理Benchmark

• 模型压缩

  • 量化
  • 蒸馏
  • 裁剪

• 常见问题汇总

欢迎贡献

• API文档
• 二次开发教程
  • 配置文件详解
  • 如何创造自己的模型
• 模型贡献
  • 提交PR说明
  • 模型PR规范

• 交互式分割
• 图像抠图
• 人像分割
• 3D医疗分割
• Cityscapes打榜模型
• 全景分割
• CVPR冠军模型
• 领域自适应

• 10分钟上手PaddleSeg
• PaddleSeg实战之人像分割
• PaddleSeg实战之小数据集3D椎骨分割
• PaddleSeg实战之车道线图像分割
• PaddleSeg动态图API使用教程

本项目的发布受Apache 2.0 license许可认证。

• 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 UPerNet, 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。

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}
}