百度AI攻略:Paddlehub實現影像分割
PaddleHub可以便捷地獲取PaddlePaddle生態下的預訓練模型,完成模型的管理和一鍵預測。配合使用Fine-tune API,可以基於大規模預訓練模型快速完成遷移學習,讓預訓練模型能更好地服務於使用者特定場景的應用。
模型概述:
模型概述 DeepLabv3+ 是Google DeepLab語義分割系列網路的最新作,其前作有 DeepLabv1,DeepLabv2, DeepLabv3。在最新作中,作者透過encoder-decoder進行多尺度資訊的融合,同時保留了原來的空洞卷積和ASSP層, 其骨幹網路使用了Xception模型,提高了語義分割的健壯性和執行速率,在 PASCAL VOC 2012 dataset取得新的state-of-art performance。該PaddleHub Module使用百度自建資料集進行訓練,可用於人像分割,支援任意大小的圖片輸入。
程式碼及效果示例:
import paddlehub as hub
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
#deeplabv3p_xception65_humanseg
module = hub.Module(name="deeplabv3p_xception65_humanseg")
test_img_path = "./body2.jpg"
# 預測結果展示
img = mpimg.imread(test_img_path)
plt.imshow(img)
plt.axis('off')
plt.show()
# set input dict
input_dict = {"image": [test_img_path]}
# execute predict and print the result
results = module.segmentation(data=input_dict)
for result in results:
print(result)
test_img_path = "./humanseg_output/body2.png"
img = mpimg.imread(test_img_path)
plt.imshow(img)
plt.axis('off')
plt.show()
[2020-01-07 06:03:45,652] [ INFO] - Installing deeplabv3p_xception65_humanseg module
2020-01-07 06:03:45,652-INFO: Installing deeplabv3p_xception65_humanseg module
[2020-01-07 06:03:45,692] [ INFO] - Module deeplabv3p_xception65_humanseg already installed in /home/aistudio/.paddlehub/modules/deeplabv3p_xception65_humanseg
2020-01-07 06:03:45,692-INFO: Module deeplabv3p_xception65_humanseg already installed in /home/aistudio/.paddlehub/modules/deeplabv3p_xception65_humanseg
[2020-01-07 06:03:46,479] [ INFO] - 0 pretrained paramaters loaded by PaddleHub
2020-01-07 06:03:46,479-INFO: 0 pretrained paramaters loaded by PaddleHub
{'origin': './body2.jpg', 'processed': 'humanseg_output/body2.png'}
In[5]
#deeplabv3p_xception65_humanseg
module = hub.Module(name="deeplabv3p_xception65_humanseg")
test_img_path = "./body1.jpg"
# 預測結果展示
img = mpimg.imread(test_img_path)
plt.imshow(img)
plt.axis('off')
plt.show()
# set input dict
input_dict = {"image": [test_img_path]}
# execute predict and print the result
results = module.segmentation(data=input_dict)
for result in results:
print(result)
test_img_path = "./humanseg_output/body1.png"
img = mpimg.imread(test_img_path)
plt.imshow(img)
plt.axis('off')
plt.show()
[2020-01-07 06:04:10,459] [ INFO] - Installing deeplabv3p_xception65_humanseg module
2020-01-07 06:04:10,459-INFO: Installing deeplabv3p_xception65_humanseg module
[2020-01-07 06:04:10,476] [ INFO] - Module deeplabv3p_xception65_humanseg already installed in /home/aistudio/.paddlehub/modules/deeplabv3p_xception65_humanseg
2020-01-07 06:04:10,476-INFO: Module deeplabv3p_xception65_humanseg already installed in /home/aistudio/.paddlehub/modules/deeplabv3p_xception65_humanseg
[2020-01-07 06:04:11,422] [ INFO] - 0 pretrained paramaters loaded by PaddleHub
2020-01-07 06:04:11,422-INFO: 0 pretrained paramaters loaded by PaddleHub
{'origin': './body1.jpg', 'processed': 'humanseg_output/body1.png'}
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69922494/viewspace-2673937/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 百度AI攻略:Paddlehub實現目標檢測AI
- AI攻略:Paddlehub實現人體解析AI
- 使用EasyCV Mask2Former輕鬆實現影像分割ORM
- Python實現AI影像識別-身份證識別PythonAI
- 百度影像分割7日打卡訓練營學習筆記筆記
- 【影像分割】基於四叉樹影像分割matlabMatlab
- Ai影像分割模型PaddleSeg——自定義資料集處理AI模型
- 十餘行程式碼完成遷移學習,百度PaddleHub實戰解讀行程遷移學習
- 基於百度飛漿PaddlePaddle的影像分割學習心得
- 百度飛槳PaddlePaddle影像分割7日學習收穫
- 演算法影像崗-影像分類與影像分割演算法
- 手把手教你使用LabVIEW實現Mask R-CNN影像例項分割ViewCNN
- 如何使用Mask RCNN模型進行影像實體分割?CNN模型
- AI歌姬,C位出道,基於PaddleHub/Diffsinger實現音訊歌聲合成操作(Python3.10)AI音訊Python
- eKuiper 1.8.0 釋出:零程式碼實現影像/影片流的實時 AI 推理UIAI
- 數字影像處理day_12 影像分割
- 使用LabVIEW實現基於pytorch的DeepLabv3影像語義分割ViewPyTorch
- AI影像降噪Topaz Photo AIAI
- 百度AI賦能,大恆影像打造工業質檢“中國方案”AI
- oepncv實現——影像去水印
- Mysql表分割槽實現MySql
- Redis 分割槽實現原理Redis
- GridView實現分割線View
- 基於深度學習的影像分割在高德的實踐深度學習
- 超多,超快,超強!百度飛槳釋出工業級影像分割利器PaddleSeg
- 首場ACRV機器人視覺挑戰,全卷積神經網路實現互動式醫學影像分割 | AI一週學術機器人視覺卷積神經網路AI
- MySQL分割槽的實現方式MySql
- postgresql分割槽表實現方式SQL
- 紅旗Linux分割槽全攻略(轉)Linux
- 影像旋轉的FPGA實現(一)FPGA
- 百度丘位元是什麼?百度丘位元上線,未來或實現AI語音伴侶AI
- 【蜂口 | AI人工智慧】影像分割要點梳理——龍鵬的一站式caffe工程實踐連載(九)AI人工智慧
- 【影像處理】基於OpenCV實現影像直方圖的原理OpenCV直方圖
- 50種常見的影像分割技術
- 物體檢測、影像分割技術概述
- 閾值分割及 threshold 實現
- MP4檔案分割實現
- Java中實現流的分割槽Java