PaddleX视觉方案介绍

最新推荐文章于 2024-02-07 18:24:42 发布
最新推荐文章于 2024-02-07 18:24:42 发布
阅读量2.8k 收藏 9
点赞数 1
分类专栏： 百度PaddlePaddle
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/weixin_43593330/article/details/107048524
版权

文章目录


PaddleX目前提供了4种视觉任务解决方案，分别为 图像分类、 目标检测、 实例分割和 语义分割。用户可以根据自己的任务类型按需选取。

图像分类

图像分类任务指的是输入一张图片，模型预测图片的类别，如识别为风景、动物、车等。

_images/image_classification.png

对于图像分类任务，针对不同的应用场景，PaddleX提供了百度改进的模型，见下表所示

模型模型大小GPU预测速度CPU预测速度ARM芯片预测速度准确率备注
MobileNetV3_small_ssld12M---71.3%适用于移动端场景
MobileNetV3_large_ssld21M---79.0%适用于移动端/服务端场景
ResNet50_vd_ssld102.8MB---82.4%适用于服务端场景
ResNet101_vd_ssld179.2MB---83.7%适用于服务端场景

除上述模型外，PaddleX还支持近20种图像分类模型，模型列表可参考PaddleX模型库

目标检测

目标检测任务指的是输入图像，模型识别出图像中物体的位置（用矩形框框出来，并给出框的位置），和物体的类别，如在手机等零件质检中，用于检测外观上的瑕疵等。

_images/object_detection.png

对于目标检测，针对不同的应用场景，PaddleX提供了主流的YOLOv3模型和Faster-RCNN模型，见下表所示

模型模型大小GPU预测速度CPU预测速度ARM芯片预测速度BoxMAP备注
YOLOv3-MobileNetV1101.2M---29.3
YOLOv3-MobileNetV394.6M---31.6
YOLOv3-ResNet34169.7M---36.2
YOLOv3-DarkNet53252.4M---38.9

除YOLOv3模型外，PaddleX同时也支持FasterRCNN模型，支持FPN结构和5种backbone网络，详情可参考PaddleX模型库

实例分割

在目标检测中，模型识别出图像中物体的位置和物体的类别。而实例分割则是在目标检测的基础上，做了像素级的分类，将框内的属于目标物体的像素识别出来。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Jd3KrknT-1593515028933)(https://paddlex.readthedocs.io/zh_CN/latest/_images/instance_segmentation.png)]

PaddleX目前提供了实例分割MaskRCNN模型，支持5种不同的backbone网络，详情可参考PaddleX模型库

模型模型大小GPU预测速度CPU预测速度ARM芯片预测速度BoxMAPSegMAP备注
MaskRCNN-ResNet50_vd-FPN185.5M---39.835.4
MaskRCNN-ResNet101_vd-FPN268.6M---41.436.8

语义分割

语义分割用于对图像做像素级的分类，应用在人像分类、遥感图像识别等场景。

_images/semantic_segmentation.png

对于语义分割，PaddleX也针对不同的应用场景，提供了不同的模型选择，如下表所示

模型模型大小GPU预测速度CPU预测速度ARM芯片预测速度mIOU备注
DeepLabv3p-MobileNetV2_x0.25-----
DeepLabv3p-MobileNetV2_x1.0-----
DeepLabv3p-Xception65-----
UNet-----
我是天才很好
关注
  • 1
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
百度开源的Paddlex深度学习框架+C#
11-17
百度开源的Paddlex深度学习框架+C#
PaddleX-develop.zip
02-22
PaddleX 二次修改
代码献瑞，算力有礼！低代码开发工具PaddleX特色产线新春福利来啦
最新发布
百度大脑
02-07 84
回望2023年，飞桨在开发套件能力基础上，充分结合大模型能力，正式在飞桨星河社区上线发布了低代码开发工具PaddleX，实现AI应用开发效果和效率的大幅提升。产品通过提供图形界面开发模式，将复杂的编程任务简化为简单易用的界面操作，进一步降低了AI技术的使用门槛。目前PaddleX已汇聚了40余个产业级精选模型，覆盖10大主流AI任务，支持云端和本地端离线使用。随着23年渐渐远去我们迎来了充满希望的...
paddleX操作手册
03-15
paddleX操作手册
PaddleX-其他
07-01
PaddleX -- 飞桨全流程开发工具，以低代码的形式支持开发者快速实现产业实际项目落地。 PaddleX 集成飞桨智能视觉领域图像分类、目标检测、语义分割、实例分割任务能力，将深度学习开发全流程从数据准备、模型训练与优化到多端部署端到端打通，并提供统一任务API接口及图形化开发界面Demo。开发者无需分别安装不同套件，以低代码的形式即可快速完成飞桨全流程开发。 PaddleX 经过质检、安防、巡检、遥感、零售、医疗等十多个行业实际应用场景验证，沉淀产业实际经验，并提供丰富的案例实践教程，全程助力开发者产业实践落地。 安装： PaddleX提供三种开发模式，满足用户的不同需求： 1、Python开发模式： 通过简洁易懂的Python API，在兼顾功能全面性、开发灵活性、集成方便性的基础上，给开发者最流畅的深度学习开发体验。 前置依赖 paddlepaddle >= 1.8.4 python >= 3.6 cython pycocotools pip install paddlex -i https://mirror.baidu.com/pypi/simple 详细安装方法请参考PaddleX安装 2、Padlde GUI模式： 无代码开发的可视化客户端，应用Paddle API实现，使开发者快速进行产业项目验证，并为用户开发自有深度学习软件/应用提供参照。 前往PaddleX官网，申请下载PaddleX GUI一键绿色安装包。 前往PaddleX GUI使用教程了解PaddleX GUI使用详情。 PaddleX GUI安装环境说明 3、PaddleX Restful: 使用基于RESTful API开发的GUI与Web Demo实现远程的深度学习全流程开发；同时开发者也可以基于RESTful API开发个性化的可视化界面 前往PaddleX RESTful API使用教程 PaddleX 更新日志： v2.0.0.rc0 全面支持飞桨2.0动态图，更易用的开发模式 目标检测任务新增PP-YOLOv2, COCO test数据集精度达到49.5%、V100预测速度达到68.9 FPS 目标检测任务新增4.2MB的超轻量级模型PP-YOLO tiny 语义分割任务新增实时分割模型BiSeNetV2 C++部署模块全面升级  PaddleInference部署适配2.0预测库  支持飞桨PaddleDetection、PaddleSeg、PaddleClas以及PaddleX的模型部署  新增基于PaddleInference的GPU多卡预测  GPU部署新增基于ONNX的的TensorRT高性能加速引擎部署方式  GPU部署新增基于ONNX的Triton服务化部署方式 Tags：PaddleX源码包 PaddleX2.0 pp飞桨 PaddleX
PaddleX部署资源.zip
07-22
PaddleX部署资源.zip
paddleX使用教程学习笔记
qq_48345413的博客
04-29 6111
paddleX为百度飞浆一类产品，在数据标注、图像处理、模型训练方面简单实用，以下为用法学习笔记 paddleX使用教程学习笔记PaddleX的安装示例下载使用步骤导入数据集新建项目参数配置模型训练模型评估总结 PaddleX的安装 首先进入飞浆官网，在产品全景下面找到paddleX产品并下载 示例下载 使用步骤 导入数据集 选择导入路径 校验数据标注无误后，可对数据进行切分，划分为训练集、验证集、测试集 新建项目 有了数据集，我们就i可以建立项目啦，选择刚刚导入的数据集 参数配置 进行模
PaddleX的预测以及服务端Serving部署
m0_63642362的博客
04-28 800
转自AI Studio，原文链接：【小白教程】PaddleX的大白菜危害检测训练、预测以及服务端Serving部署 - 飞桨AI Studio 1、项目背景介绍 我国白菜种植面积大，2015年，白菜种植面积261.8万公顷，2016年白菜种植面积262.73万公顷。 大白菜产量大，且多采用大面积种植方案，但由于人力资源及成本问题难以对大规模菜叶一一进行大白菜叶子的健康和潜在感染检测判断。 随着计算机视觉技术的发展，以及无人化、自动化农田运营理念的提出，利用图像识别技术及目标检测技术实现农产品的自动检测的
用飞桨，为少数民族濒危语言生成一本词典
PaddlePaddle
02-22 1276
点击左上方蓝字关注我们【飞桨开发者说】Xutan Peng，英国谢菲尔德大学Lincedo实验室博士在读，研究主要围绕自然语言处理和表示学习。项目背景据联合国科教文组织统计，全球现存七千余...
基于PaddleX的纸板缺陷检测
m0_63642362的博客
06-02 1394
基于PaddleX的纸板缺陷检测
工业党福利：使用PaddleX高效实现指针型表计读取（一）
百度大脑
09-16 1822
点击左上方蓝字关注我们【飞桨开发者说】李康宇，PPDE飞桨开发者技术专家，工作于机械科学研究总院，视觉研发工程师最近在做一个工业巡检的项目，主要涉及的内容是指针型表计的读取。本系列文章主...
PaddleX 安装、调试、打包、避坑一条龙教程
qq_27347987的博客
10-20 1039
PaddleX安装、调试、打包、避坑一条龙教程@
基于PaddleX的智能零售柜商品识别
学习日常分享
07-03 2115
在传统的零售柜中，实现自动识别的方法主要有：硬件分隔、根据重量判断、识别顾客的行为、射频识别标记等。本文基于深度学习在图像分类领域的优异性能，研究基于PaddleX的智能零售柜商品识别，相比于人工扫商品的条码或者顾客自主机器扫码、以及上述各种自动识别的方式效率更高，本实验借鉴原有项目，在使用PaddleX进行模型训练的过程中，检测模型使用PPYolo或者YOLOv3。骨干网络采用ResNet50，训练较为草率，效果并非那么明显。 关键词 图像分类；PaddleX；卷积神经网络；特征学习；图像识别随着我国经济
PaddleX入门教程2：搭建并配置Paddlex的推理环境（CPU版本）
weixin_60721820的博客
05-16 2265
paddlepaddle、paddlex的CPU版本的环境搭建，配置VisualStudio C++环境，配置Anaconda虚拟环境等。
Ai Studio Paddlex的使用
Dr_jiabin的博客
06-07 913
百度提供了BML和AI Studio两个云平台进行代码的训练，但目前仅支持paddlepaddle框架，paddlex是其中一个框架，里面打包了一些百度自研的模型代码，调用起来相对方便。下面简要介绍paddlex的使用方法。3.paddlepaddle选择2.3.2版本（目前paddlex只支持到这个版本）1.在ai studio上创建数据集。2.点进创建好的数据集，点击创建项目。
基于PaddleX的垃圾分类识别
Mefishes的博客
11-28 6322
基于PaddleX的智能垃圾分类识别项目，使用百度开源的PaddlePaddle深度学习框架，结合PaddleX开发套件，实现对垃圾分类的识别检测
Paddlex入门教程2：搭建并配置Paddlex的推理环境（GPU版本）
weixin_60721820的博客
05-16 1993
在NVIDIA 3050GPU上配置Paddlex环境
PaddleX入门教程1：利用PaddleX图形化工具进行训练
weixin_60721820的博客
05-16 2901
百度深度学习框架系列产品中PaddleX的使用入门教程，如何安装PaddleX，以及利用PaddleX可视化操作界面完成数据集的训练。通过果蔬分类数据集实现图像分类的入门体验。
PaddleX 在windows10使用paddle_inference部署C#打包dll全教程
m0_46339652的博客
02-17 7855
目录一. 基本环境配置1.1 Visual Studio2019安装1.2 CUDA10.2安装1.3 下载PaddleX 2.0.0 一. 基本环境配置 项目使用环境说明： CUDA10.2 Cudnn 7.6 opencv版本3.4.6 PaddleInference 10.2的预测库 TensorRT 7.0.0 Cmake 3.5 VS2019 社区版 1.1 Visual Studio2019安装 选择Community版本即可，插件选择使用c++桌面程序，其他插件如果没选择，打开vs创建项目时会
pycharm安装paddlex
09-06
要在PyCharm中安装PaddleX，您可以按照以下步骤进行操作： 1. 打开PyCharm，并打开您的项目。 2. 在PyCharm的顶部菜单栏中，选择“文件”>“设置”（或“首选项”）。 3. 在“设置”（或“首选项”）窗口中，选择“项目：[您的项目名称]”>“解释器”。 4. 在解释器页面的右上角，点击“+”按钮以添加一个新的解释器。 5. 在弹出的窗口中，选择“基于已安装的解释器”。 6. 在“已安装的解释器”列表中，选择您想要使用的Python解释器版本，并点击“确定”。 7. 在解释器页面的左侧菜单中，选择“终端”。 8. 在终端中，输入以下命令来安装PaddleX： ``` pip install paddlex -i https://mirror.baidu.com/pypi/simple ``` 9. 等待安装完成后，您可以使用PaddleX进行开发和训练。确保您的代码中导入了PaddleX库： ```python import paddlex as pdx ``` 请注意，以上步骤中使用的命令是在终端中执行的。如果您遇到任何问题，请确保您的Python版本符合要求（3.8以下），并参考引用和引用中提供的额外信息。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Python-Pycharm虚拟下百度飞浆PaddleX安装，报错解决教程，亲测100%有效](https://blog.csdn.net/qq_44936246/article/details/117093941)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [使用pycharm终端安装百度飞桨paddlepaddle库的方法](https://blog.csdn.net/dugusheng/article/details/128887268)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

我是天才很好

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