成都网站开发企业,自己做小卡用什么软件,梅州建设工程交易中心网站,响应式网站模仿语义分割#xff08;Semantic Segmentation#xff09;
先看结果#xff1a; 是计算机视觉和深度学习领域的一项核心任务#xff0c;它主要致力于对图像中的每一个像素进行分类#xff0c;赋予每个像素一个类别标签#xff0c;以达到理解图像内容的目的。换句话说#…语义分割Semantic Segmentation
先看结果 是计算机视觉和深度学习领域的一项核心任务它主要致力于对图像中的每一个像素进行分类赋予每个像素一个类别标签以达到理解图像内容的目的。换句话说语义分割就是将图像分割成多个区域使得同一区域内所有像素属于同一类别例如天空、道路、行人、车辆等。
在实际应用中语义分割技术有着广泛用途例如自动驾驶汽车需要精确区分路面、行人、交通标志等元素医学影像分析中也需要对组织器官进行精准分割以及无人机航拍图像的场景解析等。
总的来说语义分割是一个既要求模型具有全局上下文理解能力又要求具备局部细节分辨能力的技术是推动图像理解和智能系统发展的重要一环。 主要特性 统一的基准平台 我们将各种各样的语义分割算法集成到了一个统一的工具箱进行基准测试。 模块化设计 MMSegmentation 将分割框架解耦成不同的模块组件通过组合不同的模块组件用户可以便捷地构建自定义的分割模型。 丰富的即插即用的算法和模型 MMSegmentation 支持了众多主流的和最新的检测算法例如 PSPNetDeepLabV3PSANetDeepLabV3 等. 速度快 训练速度比其他语义分割代码库更快或者相当。
开始安装和运行 MMSeg
需要安装 Python 3.7, CUDA 10.2 和 PyTorch 1.8
步骤 1. 创建一个 conda 环境并激活
conda create --name openmmlab python3.8 -y
conda activate openmmlab
步骤 2. 在 GPU 平台上
conda install pytorch torchvision -c pytorch
在 CPU 平台上
conda install pytorch torchvision cpuonly -c pytorch
安装
最佳实践
步骤 0. 使用 MIM 安装 MMCV
pip install -U openmim
mim install mmengine
mim install mmcv2.0.0
步骤 1. 安装 MMSegmentation
情况 a: 如果您想立刻开发和运行 mmsegmentation您可通过源码安装 cd mmsegmentation
pip install -v -e .
# -v 表示详细模式更多的输出
# -e 表示以可编辑模式安装工程
# 因此对代码所做的任何修改都生效无需重新安装
情况 b: 如果您把 mmsegmentation 作为依赖库或者第三方库可以通过 pip 安装
pip install mmsegmentation1.0.0
验证是否安装成功 为了验证 MMSegmentation 是否正确安装我们提供了一些示例代码来运行一个推理 demo 。
步骤 1. 下载配置文件和模型文件
mim download mmsegmentation --config pspnet_r50-d8_4xb2-40k_cityscapes-512x1024 --dest .
步骤 2. 验证推理 demo
选项 (a). 如果您通过源码安装了 mmsegmentation运行以下命令即可
python demo/image_demo.py demo/demo.png configs/pspnet/pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth --device cuda:0 --out-file result.jpg
您将在当前文件夹中看到一个新图像 其中所有目标都覆盖了分割 maskresult.jpg
选项 (b). 如果您通过 pip 安装 mmsegmentation, 打开您的 python 解释器复制粘贴以下代码
from mmseg.apis import inference_model, init_model, show_result_pyplot
import mmcvconfig_file pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py
checkpoint_file pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth# 根据配置文件和模型文件建立模型
model init_model(config_file, checkpoint_file, devicecuda:0)# 在单张图像上测试并可视化
img demo/demo.png # or img mmcv.imread(img), 这样仅需下载一次
result inference_model(model, img)
# 在新的窗口可视化结果
show_result_pyplot(model, img, result, showTrue)
# 或者将可视化结果保存到图像文件夹中
# 您可以修改分割 map 的透明度 (0, 1].
show_result_pyplot(model, img, result, showTrue, out_fileresult.jpg, opacity0.5)
# 在一段视频上测试并可视化分割结果
video mmcv.VideoReader(video.mp4)
for frame in video:result inference_model(model, frame)show_result_pyplot(model, frame, result, wait_time1)
可以修改上面的代码来测试单个图像或视频这两个选项都可以验证安装是否成功。 #代码获取#企鹅Q耗子767172261
