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
# 从Github下载PaddleSeg代码。

git clone https://github.com/PaddlePaddle/PaddleSeg
下载源码之后编译安装
cd PaddleSeg
pip install -r requirements.txt
pip install -v -e .
也可以

使用pip安装
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。
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
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。
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。
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。
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。