52、训练paddleSeg模型，部署自己的模型到OAK相机上

已于 2023-05-05 17:15:07 修改
阅读量1.1k 收藏 2
点赞数 3
分类专栏： 硬件的基本知识 文章标签： 人工智能 深度学习
于 2022-11-25 16:43:16 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sxj731533730/article/details/128040142
版权
本文详细记录了使用PaddleSeg训练杯子实例分割模型的过程，包括数据集筛选、转换、配置文件修改、模型训练、测试及模型转换到ONNX、OpenVINO和OAK相机的步骤。遇到的问题和解决方案，以及测试结果和代码分享也进行了说明。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

基本思想：简单记录一下训练过程，数据集在coco基础上进行，进行筛选出杯子的数据集，然后进行训练，比较简单， 从coco数据集中筛选出杯子的数据集，然后在labelme数据集的基础上，转成paddleseg数据集，然后训练即可，生成的标签在代码中添加相应的数据格式，贴到txt即可

实验模型链接: https://pan.baidu.com/s/1w50vkX1kLfEhj2labK1xuQ?pwd=79qk 提取码: 79qk

一、数据集准备45、实例分割的labelme数据集转coco数据集以及coco数据集转labelme数据集、转paddleSeg数据集_sxj731533730的博客-CSDN博客_实例分割labelme

得到杯子数据集：链接: https://pan.baidu.com/s/1DWf7d1xWAscAKmIvNYJ9Rw?pwd=n2vs 提取码: n2vs

二、配置文件使用修改pp_liteseg_stdc1_camvid_960x720_10k.yml

ubuntu@ubun
了解本专栏 订阅专栏 解锁全文 超级会员免费看
51、部署PaddleSeg的pp_liteseg到MNN框架、OpenVINO框架和OAK框架、NPU(RK3399 PRO)框架
sxj731533730
11-21 1915
基本思想：需要一个快的实例分割模型，由于需要配置oak使用，所以就记录和实现一下微软社区提供的思路，去部署PaddleSeg的轻量级(实际是语义)分割模型。一、需要本机配置好　openvion和cuda cudnn tensorRT环境，参考附录。挑选这个模型的主要原因是官方提示最快的模型。配置环境自己搞一下，测试图片。
paddleseg怎样训练遥感数据集
自度度人 自觉觉他
06-18 595
paddleseg默认读取图像的函数是在paddleseg/transforms/transforms.py的Compose类中，节选如下，如果想读16bit的反射率影像或者0-1范围的影像，只需要在Compose类的__call__方法中修改即可，例如安装gdal或者使用libtiff读。后面小心用一些transforms。 class Compose: def __init__(self, transforms, to_rgb=True): if not isinstanc.
『paddle』paddleseg 学习笔记：模型部署
libo-coder
07-21 1412
模型部署1. 说明2. 前置准备3. 预测 1. 说明 本方案旨在提供一个 PaddlePaddle 跨平台图像分割模型的 Python 预测部署方案作为参考，用户通过一定的配置，加上少量的代码，即可把模型集成到自己的服务中，完成图像分割的任务。 2. 前置准备 请使用 模型导出 您的模型, 或点击下载官方网站的 样例模型 用于测试。 接着准备一张测试图片用于试验效果，我们提供了 cityscapes 验证集中的一张 图片 用于演示效果，如果您的模型是使用其他数据集训练的，请自行准备测试图片。 3. 预测
利用paddleseg训练自己的数据集
weixin_70251903的博客
10-29 9819
paddleseg的整套流程，包括转onnx格式，用于整张图像的预测
windows下paddle-seg训练自己的数据集及初步部署
最新发布
weixin_62987306的博客
03-05 929
windows下paddle-seg训练自己的数据集及在vs2017下初步部署
语义分割——PaddleSeg网络训练并测试自己数据集（详细图文教程）
qq_40280673的博客
07-10 3791
PaddleSeg是百度飞桨（PaddlePaddle）框架中的一个高效、易用的语义分割库。它为研究和工业应用提供了丰富的模型和工具，支持多种语义分割任务。
PaddleSeg之语义分割模型部署
tgj891的博客
09-10 1871
模型训练完后，往往在实际应用过程中对实时性都有一定的要求，而python运行效率比较慢，所以需要采用其他加速的部署方案，这里主要介绍下PaddleSeg的C++部署方案。
【PaddleSeg】使用自己制作的CityScapes数据集训练模型
私はいつも好きです樱岛麻衣的博客
10-27 4781
一：CityScapes格式数据集制作 1：labelme安装指南 github：labelme 第一步：下载 安装 第二步：创建环境 安装依赖 基于Anaconda 第三步：在终端输入命令激活环境 conda activate labelme 再输入labelme打开标注工具 2：数据标注 标注后生成的文件格式 输入以下命令，将 .json文件转换为训练所需的mask python tools/labelme2seg.py <PATH/TO/LA...
PaddleSeg图像分割模型使用C++部署到windows上的详细流程
weixin_43856252的博客
08-14 1229
PaddleSeg部署到windows详细流程。
用paddleseg跑segformer自己的数据集
Scenery0519的博客
11-28 1582
用paddleseg跑segformer模型，训练自己的数据集
PaddleSeg 数据增强
我是天才很好
05-22 2577
数据增强基本流程 Resize Resize步骤是指将输入图像按照某种规则将图片重新缩放到某一个尺寸，PaddleSeg支持以下3种resize方式: Unpadding 将输入图像直接resize到某一个固定大小下，送入到网络中间训练。预测时同样操作。 Step-Scaling 将输入图像按照某一个比例resize，这个比例以某一个步长在一定范围内随机变动。预测时不对输入图像做处理。 Range-Scaling 将输入图像按照长边变化进行resize，即图像长边对齐到某一长度，该长度在一定
PaddleSeg图像分割库再添新武器，新增压缩部署方案FLOPs降低51%
PaddlePaddle
03-24 1055
相信很多人都看过电影《变形金刚》，电影中经常可以看到大黄蜂变身的跑车飞驰在公路之上，可是大家有没有仔细想过，大黄蜂是怎么知道马路中间是黄实线还是黄虚线，...
使用paddleseg训练语义分割模型
m0_64233004的博客
08-12 1864
使用paddleseg训练自己的语义分割模型
PaddleSeg的训练与测试推理全流程（超级详细）
Mintary的博客
01-12 2727
PaddleSeg的训练与测试推理全流程（超级详细）
PPLiteSeg训练自己的数据集实现自动驾驶并爆改制作成API可供其他Python程序调用实时语义分割（超低延时）
Leon的博客
08-03 3906
PPLiteSeg是百度飞浆研发的一种兼具高精度和低延时的实时语义分割算法，目前已经开源。实时语义分割领域更讲究运行流程性和分割准确度之间的平衡。PP-LiteSeg 是一个同时兼顾精度与速度的 SOTA（业界最佳）语义分割模型。它基于 Cityscapes 数据集，在 1080ti 上精度为 mIoU 72.0 时，速度高达273.6 FPS（mIoU 77.5 时，FPS 为102.6），超越现有 CVPR SOTA 模型 STDC，真正实现了精度和速度的 SOTA 均衡。...............
用PaddleHub让你实现智能监控摄像头
weixin_45372431的博客
03-17 1478
一个项目让你实现智能监控摄像头 本文涉及内容 项目背景 传统方式实现 深度学习方式实现 总结 1.项目背景 视频监控主要硬件是摄像头，随着监控设备的近十年的快速更新换代，摄像头像素快速增长，高像素高帧率摄像头给我们带来高清视频监控效果的同时，也伴随着视频信息文件过大的问题。而在部分的安防和公共安全领域，如人脸打卡、刷脸支付、人流密度检测，车辆违规检测等，对检测视频信息的实时性要求高，高精度图像传输对网络带宽提出了极高的要求，且易造成网络拥堵，而网络一旦拥堵，传..
PaddleSeg 自建训练集训练+评估+模型部署
weixin_41457511的博客
12-07 4370
configs：里面存储着许多yml的模型结构参数文件- contirb：一些真实案例相关配置与数据- deploy：一些模型部署和模型剪枝优化相关的内容- docs：里面存放着丰富的文档内容，包含重要的教程以及模型结构参数配置文件的解释- EISeg：一个基于PaddleSeg的交互式图像标注工具- Matting: 百度的Matting算法相关内容- paddleseg：Paddleseg的核心代码。
【超全】在OAK深度AI相机上部署用户神经网络模型的三种方法
oakchina的博客
04-28 1504
OAK相机可以运行几乎所有的人工智能模型，包括用户自己创建和训练的神经网络模型。一个OAK芯片内部可以同时以并联或者串联的模式运行多个AI神经网络模型。我们可以通过在线或者离线的转换工具，将自己训练好的神经网络模型转换成可以在OAK上加速运行的BLOB格式的神经网络模型。这里提供YOLO模型的三种转换方法，其他框架的模型方法类似，示意图如下：YOLO各个版本的详细转换教程可查看此处。
PPLiteSeg实时语义分割预测结果输出控制无人车转向角度方向实现沿车道无人驾驶
Leon的博客
08-08 2216
总的来说，虽然是完成的整体开发工作，但是由于使用的是数据集，尚未落地进行实验，可能存在许多调试和逻辑上的问题有待发现和解决，且判断车道线的流向方向的阈值是手动自己估计的，实际的阈值的差值有待商榷。逻辑控制方面上相对大厂的算法显得不太成熟和简单。将输出角度与转向轮方向角度同步的部分，使用pyserial与下位机进行串口通讯，下位机再控制电机的转向轮到指定角度。再加上目标检测部分，就形成了一个简易的无人驾驶的视觉部分。.........
oak相机c++部署
12-24
以下是关于在Oak平台上使用C++进行相机部署的基本步骤： 1. **环境设置**：首先，你需要安装支持OpenCV等库的C++开发工具链，如gcc、cmake，以及Oak设备所需的SDK。 2. **编写代码**：使用C++编写应用程序，它会...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

sxj731533730

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值