Paddle分割模型部署到windows平台的QT软件中（C++）

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：

1. 数据标注（prepare dataset），labelme标注分割标签，并且转换为VOC训练格式；
2. 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；
3. 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;
4. 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