基于paddlepaddle复现MODNet

 1. 下载源码
git clone https://github.com/PaddlePaddle/PaddleSeg.git

# 2. 安装环境依赖
conda create -n PaddleSeg python=3.7
conda activate PaddleSeg 
#GPU版本参考地址https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html
python -m pip install paddlepaddle==2.2.2 -i https://mirror.baidu.com/pypi/simple
pip install scikit-image==0.19.1 scikit-learn==1.0.2 opencv-python==4.5.5.62 \
     PyYAML==6.0 filelock==3.5.0 visualdl==2.2.3

# 3. 设置环境变量PYTHONPATH
cd cd PaddleSeg/contrib/Matting
export PYTHONPATH=$PYTHONPATH:`pwd`/../..

# 4. 下载数据PPM-100数据集
mkdir -p data
wget -c https://paddleseg.bj.bcebos.com/matting/datasets/PPM-100.zip -O ./data/PPM-100.zip
unzip datasets/PPM-100.zip -d data

# 5. 训练模型
python train.py --config configs/modnet/modnet_mobilenetv2.yml --do_eval --use_vdl \
       --save_interval 5000 --num_workers 5 --save_dir output

# 6. 评估模型（通过百度提供的预训练模型）(在我的MacBook Pro上评价100张图片，约3.5分钟)
wget -c https://paddleseg.bj.bcebos.com/matting/models/modnet-mobilenetv2.pdparams \
       -O modnet-mobilenetv2.pdparams
python val.py  --config configs/modnet/modnet_mobilenetv2.yml \
       --model_path modnet-mobilenetv2.pdparams --save_dir ./output/results --save_results
         
# 7. 预测
python predict.py --config configs/modnet/modnet_mobilenetv2.yml \
    --model_path modnet-mobilenetv2.pdparams --image_path data/PPM-100/val/fg/ \
    --save_dir ./output/results
         
# 8. 背景更改应用（通过百度提供的预训练模型）
python bg_replace.py --config configs/modnet/modnet_mobilenetv2.yml \
    --model_path modnet-mobilenetv2.pdparams --image_path path/to/your/image  \
    --bg_path  path/to/your/background/image --save_dir ./output/results