【人人都是深度学习师】5行代码实现一个基于深度学习迁移学习的图像实例分割功能

基础环境

基础环境安装见：PaddleHub安装教程 或使用镜像：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

额外安装：

pip list|grep "paddle\|cv"
opencv-python      4.2.0.32
paddlehub          2.0.4
paddlepaddle       2.0.1

代码

 

hub install solov2==1.0.0

solov2_test.py

 http://nn.wenming.cn/wmcj/201511/t20151123_2140790.html 网上随意找的图片

import cv2
import paddlehub as hub
model = hub.Module(name='solov2', use_gpu=False) # 加载预训练模型
img = cv2.imread('./1.jpg') # 读取图片
output = model.predict(image=img, visualization=True, save_dir="./solov2_result") # visualization 将可视化图片保存 保存目录为 save_dir

运行结果 ./solov2_result 目录下会有个和时间戳相关的随机名字的图片文件 1615388915.220959.png：

模型把过马路的行人和等红绿灯的车的实例识别了出来。

 

分析

 

先执行预训练模型的安装：

hub install solov2==1.0.0 

解压后的模型有大概180MB

执行代码：solov2_test.py

模型解释：solov2是基于'SOLOv2: Dynamic, Faster and Stronger'实现的快速实例分割的模型。该模型基于SOLOV1, 并且针对mask的检测效果和运行效率进行改进，在实例分割任务中表现优秀。相对语义分割，实例分割需要标注出图上同一物体的不同个体。

参考

https://www.paddlepaddle.org.cn/hubdetail?name=solov2&en_category=InstanceSegmentation