【人人都是深度學習師】5行代碼實現(xiàn)一個基于深度學習遷移學習的圖像實例分割功能
基礎環(huán)境
基礎環(huán)境安裝見：PaddleHub安裝教程 或使用鏡像：registry.cn-hangzhou.aliyuncs.com/allen135681/easyml:ubuntu18.04-nvidia_cuda10.0-base-Miniconda3-py39_4.9.2_paddlepaddle2.0.1_paddlehub2.0.4_paddlenlp2.0.0rc10? ?pyin paddle
額外安裝：
pip list|grep "paddle\|cv"
opencv-python? ? ? 4.2.0.32
paddlehub? ? ? ? ? 2.0.4
paddlepaddle? ? ? ?2.0.1
代碼
solov2_test.py
import CV2
import paddlehub as hub
model = hub.Module(name='solov2', use_gpu=False) # 加載預訓練模型
img = CV2.imread('./1.jpg') # 讀取圖片
output = model.predict(image=img, visualization=True, save_dir="./solov2_result") # visualization 將可視化圖片保存 保存目錄為 save_dir
運行結果 ./solov2_result 目錄下會有個和時間戳相關的隨機名字的圖片文件 1615388915.220959.png：
模型把過馬路的行人和等紅綠燈的車的實例識別了出來。
?
分析
?
先執(zhí)行預訓練模型的安裝：
hub install solov2==1.0.0?
解壓后的模型有大概180MB
執(zhí)行代碼：solov2_test.py
模型解釋：solov2是基于'SOLOv2: Dynamic, Faster and Stronger'實現(xiàn)的快速實例分割的模型。該模型基于SOLOV1, 并且針對mask的檢測效果和運行效率進行改進，在實例分割任務中表現(xiàn)優(yōu)秀。相對語義分割，實例分割需要標注出圖上同一物體的不同個體。
參考
https://www.paddlepaddle.org.cn/hubdetail?name=solov2&en_category=InstanceSegmentation
————————————————
版權聲明：本文為CSDN博主「機器愛智能」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權協(xié)議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/jrckkyy/article/details/114649368
