目的:使用paddleseg开源框架训练分割模型,并将训好的模型转为C++代码,部署到已有的C++项目中,提供视觉检测模块,平台为windows10, QT5.12.8。
硬件环境:
- 服务器或者带有GPU的电脑,用于训练paddleseg模型;
- 目标部署电脑: windows10系统,QT5.12.8, VS2017,;
软件环境:
-
CUDA11.0, cudnn8.0 模型训练电脑;
-
Paddlepaddle, PaddleSeg, labelme(标注数据);
-
Paddleinference, opencv, yaml-cpp(按照paddleinference 文档安装);
部署步骤:
- 数据标注(prepare dataset),labelme标注分割标签,并且转换为VOC训练格式;
- 模型训练(train model),将标注好的数据放到相应的文件夹下,选择合适的模型(deeplabv3),修改相应的yaml文件,开始训练;
- 模型预测(predict model),使用实际图片验证当前模型是否已经训好达到要求,如果效果一般,可以继续增加训练iter;
- 模型导出(export model),一键导出,主要提供给c++调用,包含模型参数和模型结构,yaml配置等,将导