paddleseg7日打卡营学习记录（一）

首先感谢一下文末的博客，感谢你们的分享！

从今天开始就要开始备赛了，然后在群里，也是看到了很多大佬，我深知自己啥都不会啊，加油吧

然后在看直播时，主持人分享的是去看那个图像分割的课程，那就开始吧，加油！

然后进入后有个预习课程，我对照了自身，发现我面向对象不太会，于是从这学起吧

面向对象编程（python）

简称：oop

这里我看到了骆驼命名法，很是好玩，然后我就去查了一下，可以参照文末第二个博客

就是在断点处用大写字母写出来，我感觉我得养成良好的习惯，也是要从现在开始就要培养

定义类：

class Dog:
    pass

实例属性：

class Dog:
    def __init__(self, name ,age):
        self.name = name
        self.age = age

类属性：这个属性是所有实例都具备的

class Dog:

    # Class Attribute
    species = 'mammal'

然后我们看个例子：也不难，不解释了

class Dog:
    species = "dongwu"
    def __init__(self,name,age):
        self.name = name
        self.age = age

xiaoming = Dog("xiaoming",6)
xiaohong = Dog("xiaohong",7)

print(str(xiaohong.name)+" and "+str(xiaohong.age)+" and "+xiaohong.species)

>>xiaohong and 7 and dongwu

然后下一步就是去在类中去写函数了：

class Dog:
    species = "dongwu"
    def __init__(self,name,age):
        self.name = name
        self.age = age

    def speak(self,sound):
        return "{}的叫声是{}".format(self.name,sound)

xiaoming = Dog("xiaoming",6)
xiaohong = Dog("xiaohong",7)

print(str(xiaohong.name)+" and "+str(xiaohong.age)+" and "+xiaohong.species)
print(xiaoming.speak("wang"))

>>xiaohong and 7 and dongwu
>>xiaoming的叫声是wang

对上面的进行了改进，就是这类中写了个函数，这里记住第一个参数是self，必须有，然后其他的自己定，实例化后，调用我们的函数也是self.def，这个要注意，然后self就不用写函数里了，直接写我们后来的参数，

然后说一下对象继承：我的理解就是在这个类的基础上，然后新建个类，并且扩展属性，但确拥有原来类的所有属性。

class Dog:
    species = "dongwu"
    def __init__(self,name,age):
        self.name = name
        self.age = age

    def speak(self,sound):
        return "{}的叫声是{}".format(self.name,sound)

class MuYang(Dog):
    def run(self,speed):
        return "速度为{}".format(speed)

xiaoming = Dog("xiaoming",6)
xiaohong = MuYang("muyang",12)

print(str(xiaohong.name)+" and "+str(xiaohong.age)+" and "+xiaohong.run(70))

>>muyang and 12 and 速度为70

然后就是对图像分割的快速体验

人像分割

人像分割任务旨在识别图像中的人体轮廓，与背景进行分离，返回分割后的二值图、灰度图、前景人像图，适应多个人体、复杂背景、各类人体姿态。
可应用于人像扣图、人体特效和影视后期处理等场景。

然后说会用到paddleseg，于是我去查了一下，说到要用paddle2.0版本，那么我先用弄个这个版本的，我原来是用的1.8版本的，然后很感谢群里的大佬，给我提供的博客，下次他们发啥我都去看去，嗯!

是一篇关于ai stdio 的使用的教程，我觉得可以去参照一波

然后第一步是paddleseg的安装，PaddleSeg是基于PaddlePaddle生态下的语义分割库，可结合丰富的预训练模型更便捷高效地进行语义分割。

注： 在AI studio中运行shell命令需要在最开始添加!，这里是需要注意的

# 解压从PaddleSeg Github仓库下载好的压缩包
!unzip -o PaddleSeg.zip
# 运行脚本需在PaddleSeg目录下
%cd PaddleSeg
# 安装所需依赖项
!pip install -r requirements.txt

若你想在自己的电脑环境中安装PaddleSeg，可运行如下命令：

# 从PaddleSeg的github仓库下载代码
git clone https://github.com/PaddlePaddle/PaddleSeg.git

# 运行PaddleSeg的程序需在PaddleSeg目录下
cd PaddleSeg/

# 安装所需依赖项
pip install -r requirements.txt

安装后看到这个文件夹，这里说明一下在ai stdio 中的命令cd 前要加%，命令要加！

然后这个教程是使用DeepLabv3+ xception网络检测人像。

先看下DeepLabv3+ 介绍：官网讲的有点太浅了，后续看视频会详解，这里先有个印象

Xception是DeepLa