第五十八回 吴用赚金铃吊挂 宋江闹西岳华山-飞桨图像分割套件PaddleSeg初探

鲁智深被贺太守抓住,押入死牢。武松得信后,正想回梁山报信,正好戴宗来了,就请戴宗赶快回梁山搬救兵。宋江说兄弟有难,怎能不救? 于是带了十六个头领来到少华山。

因为华州城池厚壮,宋江等无计可施。正一筹莫展之际,恰逢一个宿太尉领御赐金玲吊挂来西岳华山降香,宋江就"请"太尉上山,并"借"了太尉一身行头。

宋江等假扮太尉,把贺太守骗出城来,杀掉。然后杀入华州,救出了史进和鲁智深。最后又把御香、金玲等物都还给了宿太尉。

少华山四人也都加入了梁山。

宋江继续引人入伙,AI轮到图像分割。

飞桨图像分割套件PaddleSeg初探

PaddleSeg是基于飞桨PaddlePaddle的端到端图像分割套件,内置45+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。

PaddleSeg环境安装

源码安装PaddleSeg

复制代码
# 从Github下载PaddleSeg代码。

git clone https://github.com/PaddlePaddle/PaddleSeg

下载源码之后编译安装

复制代码
cd PaddleSeg
pip install -r requirements.txt
pip install -v -e .

也可以

使用pip安装

复制代码
pip install paddleseg

确认环境安装成功

在PaddleSeg目录下执行如下命令,会进行简单的单卡预测。查看执行输出的log,没有报错,则验证安装成功。

复制代码
sh tests/install/check_predict.sh

PaddleSeg快速入门示例

使用眼底分割作为示例进行演示,实际应用中,可以根据自身的业务需求和场景进行相应的调整与适配。数据集可以用自己的,模型也可以选配其它的。

参考:https://github.com/PaddlePaddle/PaddleSeg/blob/release/2.9/docs/whole_process_cn.md

准备数据

本示例将采用视盘分割(optic disc segmentation)数据集进行演示。数据集的原始图像和对应的分割效果图如下所展示。

使用如下命令下载数据集

复制代码
mkdir data
cd data
wget https://paddleseg.bj.bcebos.com/dataset/optic_disc_seg.zip
unzip optic_disc_seg.zip
cd ..

准备配置文件

在PaddleSeg中,我们常用配置化驱动的方式来进行开发,配置文件是模型训练、评估、预测和部署的关键所在。

配置文件中详细定义了分割模型、损失函数、训练超参数、训练数据集以及验证数据集等信息。

本示例使用的配置文件位于:PaddleSeg/configs/quick_start/pp_liteseg_optic_disc_512x512_1k.yml

模型训练

在PaddleSeg的根目录下,执行以下命令来启动单机训练。

bash 复制代码
python tools/train.py \
       --config configs/quick_start/pp_liteseg_optic_disc_512x512_1k.yml \
       --save_interval 500 \
       --do_eval \
       --use_vdl \
       --save_dir output

训练完成后,模型在验证集上的mIoU可能达到90.65%(具体数值可能会有所变动),精度最高的模型权重将保存在PaddleSeg/output/best_model目录下。

模型评估

在PaddleSeg根目录下,执行以下命令,使用val.py脚本来评估模型的精度,即计算验证数据集的精度。

bash 复制代码
python tools/val.py \  
       --config configs/quick_start/pp_liteseg_optic_disc_512x512_1k.yml \  
       --model_path output/best_model/model.pdparams

模型预测

在PaddleSeg根目录下,执行以下命令,使用predict.py脚本加载训练好的模型,对图像进行预测,并保存预测结果。

bash 复制代码
python tools/predict.py \  

       --config configs/quick_start/pp_liteseg_optic_disc_512x512_1k.yml \  

       --model_path output/best_model/model.pdparams \  

       --image_path data/optic_disc_seg/JPEGImages/H0002.jpg \  

       --save_dir output/result

预测完成后,可以在PaddleSeg/output/result目录下查看预测结果,具体图像如下所示。

一天,旱地忽律朱贵上报,说徐州沛县芒砀山有一伙儿强人,三人叫混世魔王樊瑞,八臂哪吒项充和飞天大胜李衮,号称要吞并梁山泊。宋江正要下山,九纹龙史进说我们四个去就行了。

史进四人与樊瑞三人一交手,就落了下风,多亏小李广花荣和金枪手徐宁随后就过来帮忙。第二天,宋江亲自带着大队人马赶到。

公孙胜说他们会妖法,我用一个阵法来抓他们。

欲知后事如何,且听下回分解。

相关推荐
小oo呆2 小时前
【自然语言处理与大模型】模型压缩技术之量化
人工智能·自然语言处理
Magnum Lehar2 小时前
ApophisZerg游戏引擎项目目录展示
人工智能·vscode·编辑器·游戏引擎
飞桨PaddlePaddle3 小时前
Wan2.1和HunyuanVideo文生视频模型算法解析与功能体验丨前沿多模态模型开发与应用实战第六期
人工智能·算法·百度·音视频·paddlepaddle·飞桨·deepseek
绿算技术3 小时前
存储新势力:助力DeepSeek一体机
人工智能·科技·缓存·fpga开发
Y1nhl3 小时前
搜广推校招面经八十一
开发语言·人工智能·pytorch·深度学习·机器学习·推荐算法·搜索算法
胡攀峰3 小时前
第12章 微调生成模型
人工智能·大模型·llm·sft·强化学习·rlhf·指令微调
yuanlaile3 小时前
AI大模型自然语言处理能力案例演示
人工智能·ai·自然语言处理
小白白搭建4 小时前
WordPress AI 原创文章自动生成插件 24小时全自动生成SEO原创文章 | 多语言支持 | 智能配图与排版
人工智能
Jamence4 小时前
多模态大语言模型arxiv论文略读(三十九)
人工智能·语言模型·自然语言处理
ai大模型木子4 小时前
嵌入模型(Embedding Models)原理详解:从Word2Vec到BERT的技术演进
人工智能·自然语言处理·bert·embedding·word2vec·ai大模型·大模型资料