semantic_segmentation.md 3.0 KB
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 |
| DeepLabv3_MobileNetV3_large_x1_0_ssld | 73.28% | 9.3MB | - | - | 模型小，预测速度快，精度较高，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
将代码保存到本地后运行（代码下载链接位于上面的表格中），代码会自动下载训练数据并开始训练。如保存为deeplabv3p_mobilenetv2_x0.25.py，执行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。