【OpenMMLab AI实战训练营 学习笔记DAY（七）-- MMSegmentation框架介绍及代码讲解】

本次课程是由子豪兄（B站 同济子豪兄）进行讲解，以及后续的答疑。课程于B站上搜索OpenMMLab 在其官网首页可以查看。课程链接：https://www.bilibili.com/video/BV1eT411R7Jq/?spm_id_from=333.788&vd_source=a924258923caf7beb57da59b516dddec

MMSegmentation

简介

MMSegmentation 是一个基于 PyTorch 的语义分割开源工具箱。它是OpenMMLab 项目的一部分。

主分支代码目前支持 PyTorch 1.5 以上的版本。

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 PSPNet，DeepLabV3，PSANet，DeepLabV3+ 等。

速度快，训练速度比其他语义分割代码库更快或者相当。

安装

请参考快速入门文档进行安装，参考数据集准备处理数据。

常见问题

如果遇到问题，请参考 常见问题解答。

使用MMSegmentation，在自己的数据集上，训练语义分割模型

数据集标注（可选）

使用Labelme、LabelU等数据标注工具，标注多类别语义分割数据集，并保存为指定的格式。

数据集整理

划分训练集、测试集

使用MMSegmentation训练语义分割模型

在MMSegmentation中，指定预训练模型，配置config文件，修改类别数、学习率。

用训练得到的模型预测

获得测试集图片或新图片的语义分割预测结果，对结果进行可视化和后处理。

在测试集上评估算法的速度和精度性能

使用MMDeploy部署语义分割模型（可选）

本课代码

MMSegmentation是openmmlab中专门用于做语义分割的算法库。

Github链接：https://github.com/TommyZihao/MMSegmentation_Tutorials/tree/main/20230206

MMSegmentation_Tutorials/【A】安装配置MMSegmentation.ipynb
MMSegmentation_Tutorials/【B1】预训练语义分割模型预测-单张图像-命令行.ipynb
MMSegmentation_Tutorials/【B2】预训练语义分割模型预测-单张图像-Python
MMSegmentation_Tutorials/【B3】预训练语义分割模型预测-视频.ipynb
MMSegmentation_Tutorials/【C】在自己的数据集上训练语义分割模型.ipynb
MMSegmentation_Tutorials/20230206/【D】Kaggle小鼠肾小球切片语义分割
MMSegmentation_Tutorials/【D1】下载数据集.ipynbs
MMSegmentation_Tutorials/【D2】探索数据集.ipynb
MMSegmentation_Tutorials/【D3】划分训练集和测试集.ipynb
MMSegmentation_Tutorials/【D4】MMSeg训练语义分割模型.ipynb
MMSegmentation_Tutorials/【D5】用训练得到的模型预测.ipynb
MMSegmentation_Tutorials/【D6】测试集性能评估.ipynb
MMSegmentation_Tutorials/【Z】扩展阅读.ipynb
MMSegmentation_Tutorials/【Z2】MMSegmentation代码实战作业.ipynb