# Torch版的语义分割全家桶（大量模型一键训练与导出）
## 简介
yiku-seg 是一个由仪酷开发的语义分割工具，其中集成了大量的模型，同时使用主干网络和分割头分离的写法，使得在保证了傻瓜化训练的基础上,保留了模型配置的灵活性，其中包含了Translab等特色模型。在本文中将介绍如何使用yiku-seg训练一个模型
```pip install yiku_seg```
---
## Top News
<details> <summary>更新日志：增加数据增强开关</summary>
**`2024-06`** : **数据集支持多种文件格式**
下载源优化，这下国内也可以流程用了
**`2024-03`** : **增加数据增强开关 增加一堆模型**
~~OOOO天下第一~~
增加augmentation字段组 方便控制数据增强功能
新增了UNet+百度HGNetv2的杂交模型，可以在配置文件base字段里增加 arch=unet启用
**`2023-11`** : **增加Unet模型**
~~Unet伫立在大地之上~~
新增了UNet+百度HGNetv2的杂交模型，可以在配置文件base字段里增加 arch=unet启用
**`2023-11`** : **使用命令行工具训练**
~~”不行啊，每次都要改代码，感觉不如OO啊“~~
您还在为改python文件烦恼吗，您还在为乱哄哄的文件夹烦恼吗，赶快使用
`pip install git+https://gitee.com/yiku-ai/hgnetv2-deeplabv3` 安装吧，装了你不吃亏，装了你不上当。
更新了七彩VIP皮肤，不过不用担心，我已经给你充值好了，可以直接使用
**`2023-09`** : **新增TransLab分割头，可以通过设置pp参数切换**
TransLab是一款由仪酷智能科技有限公司开发的分割头，在这款分割头里面，我们将DeepLabv3基于传统卷积的空洞卷积 换成了基于Transformer的AIFI模块
~~玩Transformer玩的~~
**`2023-08`**:**在原作者基础上添加多个新款Backbone（HGNetv2,yolov8系列）**
如果在 新模型（HGNetv2 YOLOv8 MobileNetv3)有疑问或者建议 欢迎issue和PR
仪酷LabView工业AI推理插件工具包已经支持此项目包括最新主干在内的模型
如果需要原版代码 请访问https://github.com/bubbliiiing/deeplabv3-plus-pytorch
**`2022-04`**:**支持多GPU训练。**
**`2022-03`**:**进行大幅度更新、支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整。**
BiliBili视频中的原仓库地址为：https://github.com/bubbliiiing/deeplabv3-plus-pytorch/tree/bilibili
**`2020-08`**:**创建仓库、支持多backbone、支持数据miou评估、标注数据处理、大量注释等。**
</details>
### 模型文档
| [unet系列](./doc/unet.md) | [lab系列](./doc/lab.md) | [pspnet系列](./doc/pspnet.md) | [segFormer系列](./doc/segformer.md)
### 所需环境
参看[requirements.txt](https://github.com/VIRobotics/hgnetv2-deeplabv3/blob/main/requirements.txt)
建议先安装pytorch
### 训练步骤
#### a、训练voc数据集
1、`pip install yiku_seg` 安装
2、VOC拓展数据集的百度网盘如下：
链接: https://pan.baidu.com/s/1vkk3lMheUm6IjTXznlg7Ng 提取码: 44mk
3、下载config.ini 根据实际情况修改一般的，我们只需要去修改config.ini里面base字段的那些参数
```ini
[base]
frozen_batch-size=4
unfrozen_batch-size=2
frozen_epoch=100
unfrozen_epoch=50
fp16=true
dataset_path=VOCdevkit
save_path=logs
num_classes=21
backbone=hgnetv2l
image_size=512
header = transformer
```
其中batchsize和你的显存大小有关path是路径相关的。num_classes一般是多少类 header和backbone与模型的结构有关，**建议打开config.ini里面有对参数的详细解释**
4、命令行输入`siren.train -c config文件路径`。
5、~~实际你也可以`python -m yiku.train -c config.ini`~~
#### b、训练自己的数据集
1、本文使用VOC格式进行训练。
2、训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的SegmentationClass中。
3、训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
4、在训练前利用voc_annotation.py文件生成对应的txt。
5、在config.ini下面，选择自己要使用的主干模型和下采样因子,支持的模型在预测步骤中有描述。下采样因子可以在8和16中选择。需要注意的是，预训练模型需要和主干模型相对应。
6、注意修改train.py的num_classes为分类个数+1。
7、如果您需要控制数据增强功能 请在config.ini里面添加如下字段组
```
[augmentation]
enable=true #总开关
jitter=0.3 # 尺寸抖动比率
flip=0.5 # 翻转图片比率
blur=0.25 # 模糊比率
hsv_jitter_enable=False #HSV抖动
```
8、运行`siren.train -c config文件路径`即可开始训练。
### 导出步骤
1、命令行输入`siren.export -c config文件路径 -f onnx`。onnx位于配置文件的训练结果文件夹。
-f 参数支持 onnx openvino 和paddle 其中 还有--half 只要这个flag存在 openvino就是导出FP16精度的模型，
这在较新XeGPU上相比FP32有两倍的提升。所以参数 可以输入`siren.export -h`
config,ini里面的base字段 加上`single_ch=true`可以启用单通道输入，~~虽然对推理性能没卵用，但有些人非得要这个模式~~
2、~~运行`python -m yiku.export -c config文件路径 -f onnx`也可以导出~~。
### 预测步骤
#### a、使用预训练权重
1、根据下载的模型 修改config.ini，直接输入`siren.pred -c config.ini -i http://just.样例.link/怒O大伟出奇迹.jpg -m 你模型的路径.pth`
-i 参数可以是图片 可以是uri 可以是相机索引 可以是视频 可以是文件夹
--show 这个flag设置后就会将结果弹窗弹出。
-h 查看所有参数的帮助
#### b、使用自己训练的权重
1、按照训练步骤训练。
2、使用训练的config即可，无需手动指定权重。
可完成预测。
4、在predict.py里面进行设置可以进行fps测试、整个文件夹的测试和video视频检测。
### Reference
https://github.com/ggyyzm/pytorch_segmentation
https://github.com/bonlime/keras-deeplab-v3-plus
https://github.com/bubbliiiing/deeplabv3-plus-pytorch
https://github.com/ultralytics/ultralytics
Raw data
{
"_id": null,
"home_page": null,
"name": "yiku-seg",
"maintainer": "DrEgg",
"docs_url": null,
"requires_python": ">=3.8",
"maintainer_email": null,
"keywords": "machine-learning, deep-learning, vision, ML, DL, AI, ImageSegment, DeepLab, Transformer",
"author": "DrEgg",
"author_email": null,
"download_url": "https://files.pythonhosted.org/packages/6f/57/1756cdcb87a4ab95583b2e4c4fd12f4aa65e68e61307b03991dedb9ad89c/yiku_seg-0.1.5a4.tar.gz",
"platform": null,
"description": "# Torch\u7248\u7684\u8bed\u4e49\u5206\u5272\u5168\u5bb6\u6876\uff08\u5927\u91cf\u6a21\u578b\u4e00\u952e\u8bad\u7ec3\u4e0e\u5bfc\u51fa\uff09\n\n## \u7b80\u4ecb\nyiku-seg \u662f\u4e00\u4e2a\u7531\u4eea\u9177\u5f00\u53d1\u7684\u8bed\u4e49\u5206\u5272\u5de5\u5177\uff0c\u5176\u4e2d\u96c6\u6210\u4e86\u5927\u91cf\u7684\u6a21\u578b\uff0c\u540c\u65f6\u4f7f\u7528\u4e3b\u5e72\u7f51\u7edc\u548c\u5206\u5272\u5934\u5206\u79bb\u7684\u5199\u6cd5\uff0c\u4f7f\u5f97\u5728\u4fdd\u8bc1\u4e86\u50bb\u74dc\u5316\u8bad\u7ec3\u7684\u57fa\u7840\u4e0a,\u4fdd\u7559\u4e86\u6a21\u578b\u914d\u7f6e\u7684\u7075\u6d3b\u6027\uff0c\u5176\u4e2d\u5305\u542b\u4e86Translab\u7b49\u7279\u8272\u6a21\u578b\u3002\u5728\u672c\u6587\u4e2d\u5c06\u4ecb\u7ecd\u5982\u4f55\u4f7f\u7528yiku-seg\u8bad\u7ec3\u4e00\u4e2a\u6a21\u578b\n\n```pip install yiku_seg```\n\n---\n\n\n## Top News\n\n<details> <summary>\u66f4\u65b0\u65e5\u5fd7\uff1a\u589e\u52a0\u6570\u636e\u589e\u5f3a\u5f00\u5173</summary>\n\n**`2024-06`** : **\u6570\u636e\u96c6\u652f\u6301\u591a\u79cd\u6587\u4ef6\u683c\u5f0f**\n\n\u4e0b\u8f7d\u6e90\u4f18\u5316\uff0c\u8fd9\u4e0b\u56fd\u5185\u4e5f\u53ef\u4ee5\u6d41\u7a0b\u7528\u4e86\n\n\n**`2024-03`** : **\u589e\u52a0\u6570\u636e\u589e\u5f3a\u5f00\u5173 \u589e\u52a0\u4e00\u5806\u6a21\u578b**\n\n~~OOOO\u5929\u4e0b\u7b2c\u4e00~~\n\n\u589e\u52a0augmentation\u5b57\u6bb5\u7ec4 \u65b9\u4fbf\u63a7\u5236\u6570\u636e\u589e\u5f3a\u529f\u80fd\n\n\u65b0\u589e\u4e86UNet+\u767e\u5ea6HGNetv2\u7684\u6742\u4ea4\u6a21\u578b\uff0c\u53ef\u4ee5\u5728\u914d\u7f6e\u6587\u4ef6base\u5b57\u6bb5\u91cc\u589e\u52a0 arch=unet\u542f\u7528\n\n**`2023-11`** : **\u589e\u52a0Unet\u6a21\u578b**\n\n~~Unet\u4f2b\u7acb\u5728\u5927\u5730\u4e4b\u4e0a~~\n\n\u65b0\u589e\u4e86UNet+\u767e\u5ea6HGNetv2\u7684\u6742\u4ea4\u6a21\u578b\uff0c\u53ef\u4ee5\u5728\u914d\u7f6e\u6587\u4ef6base\u5b57\u6bb5\u91cc\u589e\u52a0 arch=unet\u542f\u7528\n\n**`2023-11`** : **\u4f7f\u7528\u547d\u4ee4\u884c\u5de5\u5177\u8bad\u7ec3**\n\n~~\u201d\u4e0d\u884c\u554a\uff0c\u6bcf\u6b21\u90fd\u8981\u6539\u4ee3\u7801\uff0c\u611f\u89c9\u4e0d\u5982OO\u554a\u201c~~\n\n\u60a8\u8fd8\u5728\u4e3a\u6539python\u6587\u4ef6\u70e6\u607c\u5417\uff0c\u60a8\u8fd8\u5728\u4e3a\u4e71\u54c4\u54c4\u7684\u6587\u4ef6\u5939\u70e6\u607c\u5417\uff0c\u8d76\u5feb\u4f7f\u7528\n`pip install git+https://gitee.com/yiku-ai/hgnetv2-deeplabv3` \u5b89\u88c5\u5427\uff0c\u88c5\u4e86\u4f60\u4e0d\u5403\u4e8f\uff0c\u88c5\u4e86\u4f60\u4e0d\u4e0a\u5f53\u3002\n\n\u66f4\u65b0\u4e86\u4e03\u5f69VIP\u76ae\u80a4\uff0c\u4e0d\u8fc7\u4e0d\u7528\u62c5\u5fc3\uff0c\u6211\u5df2\u7ecf\u7ed9\u4f60\u5145\u503c\u597d\u4e86\uff0c\u53ef\u4ee5\u76f4\u63a5\u4f7f\u7528\n\n\n**`2023-09`** : **\u65b0\u589eTransLab\u5206\u5272\u5934\uff0c\u53ef\u4ee5\u901a\u8fc7\u8bbe\u7f6epp\u53c2\u6570\u5207\u6362**\n\nTransLab\u662f\u4e00\u6b3e\u7531\u4eea\u9177\u667a\u80fd\u79d1\u6280\u6709\u9650\u516c\u53f8\u5f00\u53d1\u7684\u5206\u5272\u5934\uff0c\u5728\u8fd9\u6b3e\u5206\u5272\u5934\u91cc\u9762\uff0c\u6211\u4eec\u5c06DeepLabv3\u57fa\u4e8e\u4f20\u7edf\u5377\u79ef\u7684\u7a7a\u6d1e\u5377\u79ef \u6362\u6210\u4e86\u57fa\u4e8eTransformer\u7684AIFI\u6a21\u5757\n\n~~\u73a9Transformer\u73a9\u7684~~\n\n**`2023-08`**:**\u5728\u539f\u4f5c\u8005\u57fa\u7840\u4e0a\u6dfb\u52a0\u591a\u4e2a\u65b0\u6b3eBackbone\uff08HGNetv2,yolov8\u7cfb\u5217\uff09**\n\n\u5982\u679c\u5728 \u65b0\u6a21\u578b\uff08HGNetv2 YOLOv8 MobileNetv3)\u6709\u7591\u95ee\u6216\u8005\u5efa\u8bae \u6b22\u8fceissue\u548cPR\n\n\u4eea\u9177LabView\u5de5\u4e1aAI\u63a8\u7406\u63d2\u4ef6\u5de5\u5177\u5305\u5df2\u7ecf\u652f\u6301\u6b64\u9879\u76ee\u5305\u62ec\u6700\u65b0\u4e3b\u5e72\u5728\u5185\u7684\u6a21\u578b\n\n\u5982\u679c\u9700\u8981\u539f\u7248\u4ee3\u7801 \u8bf7\u8bbf\u95eehttps://github.com/bubbliiiing/deeplabv3-plus-pytorch\n\n**`2022-04`**:**\u652f\u6301\u591aGPU\u8bad\u7ec3\u3002**\n\n**`2022-03`**:**\u8fdb\u884c\u5927\u5e45\u5ea6\u66f4\u65b0\u3001\u652f\u6301step\u3001cos\u5b66\u4e60\u7387\u4e0b\u964d\u6cd5\u3001\u652f\u6301adam\u3001sgd\u4f18\u5316\u5668\u9009\u62e9\u3001\u652f\u6301\u5b66\u4e60\u7387\u6839\u636ebatch_size\u81ea\u9002\u5e94\u8c03\u6574\u3002** \nBiliBili\u89c6\u9891\u4e2d\u7684\u539f\u4ed3\u5e93\u5730\u5740\u4e3a\uff1ahttps://github.com/bubbliiiing/deeplabv3-plus-pytorch/tree/bilibili\n\n**`2020-08`**:**\u521b\u5efa\u4ed3\u5e93\u3001\u652f\u6301\u591abackbone\u3001\u652f\u6301\u6570\u636emiou\u8bc4\u4f30\u3001\u6807\u6ce8\u6570\u636e\u5904\u7406\u3001\u5927\u91cf\u6ce8\u91ca\u7b49\u3002**\n</details>\n\n### \u6a21\u578b\u6587\u6863\n\n| [unet\u7cfb\u5217](./doc/unet.md) | [lab\u7cfb\u5217](./doc/lab.md) | [pspnet\u7cfb\u5217](./doc/pspnet.md) | [segFormer\u7cfb\u5217](./doc/segformer.md)\n\n\n### \u6240\u9700\u73af\u5883\n\n\u53c2\u770b[requirements.txt](https://github.com/VIRobotics/hgnetv2-deeplabv3/blob/main/requirements.txt)\n\n\u5efa\u8bae\u5148\u5b89\u88c5pytorch\n\n\n### \u8bad\u7ec3\u6b65\u9aa4\n\n#### a\u3001\u8bad\u7ec3voc\u6570\u636e\u96c6\n\n1\u3001`pip install yiku_seg` \u5b89\u88c5\n\n2\u3001VOC\u62d3\u5c55\u6570\u636e\u96c6\u7684\u767e\u5ea6\u7f51\u76d8\u5982\u4e0b\uff1a\n\u94fe\u63a5: https://pan.baidu.com/s/1vkk3lMheUm6IjTXznlg7Ng \u63d0\u53d6\u7801: 44mk\n\n3\u3001\u4e0b\u8f7dconfig.ini \u6839\u636e\u5b9e\u9645\u60c5\u51b5\u4fee\u6539\u4e00\u822c\u7684\uff0c\u6211\u4eec\u53ea\u9700\u8981\u53bb\u4fee\u6539config.ini\u91cc\u9762base\u5b57\u6bb5\u7684\u90a3\u4e9b\u53c2\u6570\n```ini\n[base]\nfrozen_batch-size=4\nunfrozen_batch-size=2\nfrozen_epoch=100\nunfrozen_epoch=50\nfp16=true\ndataset_path=VOCdevkit\nsave_path=logs\nnum_classes=21\nbackbone=hgnetv2l\nimage_size=512\nheader = transformer\n``` \n\u5176\u4e2dbatchsize\u548c\u4f60\u7684\u663e\u5b58\u5927\u5c0f\u6709\u5173path\u662f\u8def\u5f84\u76f8\u5173\u7684\u3002num_classes\u4e00\u822c\u662f\u591a\u5c11\u7c7b header\u548cbackbone\u4e0e\u6a21\u578b\u7684\u7ed3\u6784\u6709\u5173\uff0c**\u5efa\u8bae\u6253\u5f00config.ini\u91cc\u9762\u6709\u5bf9\u53c2\u6570\u7684\u8be6\u7ec6\u89e3\u91ca**\n\n\n4\u3001\u547d\u4ee4\u884c\u8f93\u5165`siren.train -c config\u6587\u4ef6\u8def\u5f84`\u3002\n\n5\u3001~~\u5b9e\u9645\u4f60\u4e5f\u53ef\u4ee5`python -m yiku.train -c config.ini`~~\n#### b\u3001\u8bad\u7ec3\u81ea\u5df1\u7684\u6570\u636e\u96c6\n\n1\u3001\u672c\u6587\u4f7f\u7528VOC\u683c\u5f0f\u8fdb\u884c\u8bad\u7ec3\u3002 \n2\u3001\u8bad\u7ec3\u524d\u5c06\u6807\u7b7e\u6587\u4ef6\u653e\u5728VOCdevkit\u6587\u4ef6\u5939\u4e0b\u7684VOC2007\u6587\u4ef6\u5939\u4e0b\u7684SegmentationClass\u4e2d\u3002 \n3\u3001\u8bad\u7ec3\u524d\u5c06\u56fe\u7247\u6587\u4ef6\u653e\u5728VOCdevkit\u6587\u4ef6\u5939\u4e0b\u7684VOC2007\u6587\u4ef6\u5939\u4e0b\u7684JPEGImages\u4e2d\u3002 \n4\u3001\u5728\u8bad\u7ec3\u524d\u5229\u7528voc_annotation.py\u6587\u4ef6\u751f\u6210\u5bf9\u5e94\u7684txt\u3002 \n5\u3001\u5728config.ini\u4e0b\u9762\uff0c\u9009\u62e9\u81ea\u5df1\u8981\u4f7f\u7528\u7684\u4e3b\u5e72\u6a21\u578b\u548c\u4e0b\u91c7\u6837\u56e0\u5b50,\u652f\u6301\u7684\u6a21\u578b\u5728\u9884\u6d4b\u6b65\u9aa4\u4e2d\u6709\u63cf\u8ff0\u3002\u4e0b\u91c7\u6837\u56e0\u5b50\u53ef\u4ee5\u57288\u548c16\u4e2d\u9009\u62e9\u3002\u9700\u8981\u6ce8\u610f\u7684\u662f\uff0c\u9884\u8bad\u7ec3\u6a21\u578b\u9700\u8981\u548c\u4e3b\u5e72\u6a21\u578b\u76f8\u5bf9\u5e94\u3002 \n6\u3001\u6ce8\u610f\u4fee\u6539train.py\u7684num_classes\u4e3a\u5206\u7c7b\u4e2a\u6570+1\u3002 \n7\u3001\u5982\u679c\u60a8\u9700\u8981\u63a7\u5236\u6570\u636e\u589e\u5f3a\u529f\u80fd \u8bf7\u5728config.ini\u91cc\u9762\u6dfb\u52a0\u5982\u4e0b\u5b57\u6bb5\u7ec4\n```\n[augmentation]\nenable=true #\u603b\u5f00\u5173\njitter=0.3 # \u5c3a\u5bf8\u6296\u52a8\u6bd4\u7387\nflip=0.5 # \u7ffb\u8f6c\u56fe\u7247\u6bd4\u7387\nblur=0.25 # \u6a21\u7cca\u6bd4\u7387\nhsv_jitter_enable=False #HSV\u6296\u52a8\n```\n8\u3001\u8fd0\u884c`siren.train -c config\u6587\u4ef6\u8def\u5f84`\u5373\u53ef\u5f00\u59cb\u8bad\u7ec3\u3002\n\n### \u5bfc\u51fa\u6b65\u9aa4\n1\u3001\u547d\u4ee4\u884c\u8f93\u5165`siren.export -c config\u6587\u4ef6\u8def\u5f84 -f onnx`\u3002onnx\u4f4d\u4e8e\u914d\u7f6e\u6587\u4ef6\u7684\u8bad\u7ec3\u7ed3\u679c\u6587\u4ef6\u5939\u3002\n-f \u53c2\u6570\u652f\u6301 onnx openvino \u548cpaddle \u5176\u4e2d \u8fd8\u6709--half \u53ea\u8981\u8fd9\u4e2aflag\u5b58\u5728 openvino\u5c31\u662f\u5bfc\u51faFP16\u7cbe\u5ea6\u7684\u6a21\u578b\uff0c\n\u8fd9\u5728\u8f83\u65b0XeGPU\u4e0a\u76f8\u6bd4FP32\u6709\u4e24\u500d\u7684\u63d0\u5347\u3002\u6240\u4ee5\u53c2\u6570 \u53ef\u4ee5\u8f93\u5165`siren.export -h`\n\nconfig,ini\u91cc\u9762\u7684base\u5b57\u6bb5 \u52a0\u4e0a`single_ch=true`\u53ef\u4ee5\u542f\u7528\u5355\u901a\u9053\u8f93\u5165\uff0c~~\u867d\u7136\u5bf9\u63a8\u7406\u6027\u80fd\u6ca1\u5375\u7528\uff0c\u4f46\u6709\u4e9b\u4eba\u975e\u5f97\u8981\u8fd9\u4e2a\u6a21\u5f0f~~\n\n2\u3001~~\u8fd0\u884c`python -m yiku.export -c config\u6587\u4ef6\u8def\u5f84 -f onnx`\u4e5f\u53ef\u4ee5\u5bfc\u51fa~~\u3002\n\n\n### \u9884\u6d4b\u6b65\u9aa4\n\n#### a\u3001\u4f7f\u7528\u9884\u8bad\u7ec3\u6743\u91cd\n\n1\u3001\u6839\u636e\u4e0b\u8f7d\u7684\u6a21\u578b \u4fee\u6539config.ini\uff0c\u76f4\u63a5\u8f93\u5165`siren.pred -c config.ini -i http://just.\u6837\u4f8b.link/\u6012O\u5927\u4f1f\u51fa\u5947\u8ff9.jpg -m \u4f60\u6a21\u578b\u7684\u8def\u5f84.pth`\n\n-i \u53c2\u6570\u53ef\u4ee5\u662f\u56fe\u7247 \u53ef\u4ee5\u662furi \u53ef\u4ee5\u662f\u76f8\u673a\u7d22\u5f15 \u53ef\u4ee5\u662f\u89c6\u9891 \u53ef\u4ee5\u662f\u6587\u4ef6\u5939\n\n--show \u8fd9\u4e2aflag\u8bbe\u7f6e\u540e\u5c31\u4f1a\u5c06\u7ed3\u679c\u5f39\u7a97\u5f39\u51fa\u3002\n\n-h \u67e5\u770b\u6240\u6709\u53c2\u6570\u7684\u5e2e\u52a9\n\n\n\n#### b\u3001\u4f7f\u7528\u81ea\u5df1\u8bad\u7ec3\u7684\u6743\u91cd\n\n1\u3001\u6309\u7167\u8bad\u7ec3\u6b65\u9aa4\u8bad\u7ec3\u3002 \n2\u3001\u4f7f\u7528\u8bad\u7ec3\u7684config\u5373\u53ef\uff0c\u65e0\u9700\u624b\u52a8\u6307\u5b9a\u6743\u91cd\u3002\n\n\n\n\u53ef\u5b8c\u6210\u9884\u6d4b\u3002 \n4\u3001\u5728predict.py\u91cc\u9762\u8fdb\u884c\u8bbe\u7f6e\u53ef\u4ee5\u8fdb\u884cfps\u6d4b\u8bd5\u3001\u6574\u4e2a\u6587\u4ef6\u5939\u7684\u6d4b\u8bd5\u548cvideo\u89c6\u9891\u68c0\u6d4b\u3002\n\n\n### Reference\n\nhttps://github.com/ggyyzm/pytorch_segmentation \nhttps://github.com/bonlime/keras-deeplab-v3-plus \nhttps://github.com/bubbliiiing/deeplabv3-plus-pytorch \nhttps://github.com/ultralytics/ultralytics \n",
"bugtrack_url": null,
"license": "MIT",
"summary": "A Segment toolkit",
"version": "0.1.5a4",
"project_urls": null,
"split_keywords": [
"machine-learning",
" deep-learning",
" vision",
" ml",
" dl",
" ai",
" imagesegment",
" deeplab",
" transformer"
],
"urls": [
{
"comment_text": "",
"digests": {
"blake2b_256": "32d4d8c7d9353e4c508d3d447d7f7f4d71d998c5408391a0f1f3c3ee80082313",
"md5": "d87f960bcd059ee6074ccdb06beb069a",
"sha256": "2abbfbe01bdb3a75aa83b7986bce4cfd26090f03a545734a70f9eeecf0684ed9"
},
"downloads": -1,
"filename": "yiku_seg-0.1.5a4-py3-none-any.whl",
"has_sig": false,
"md5_digest": "d87f960bcd059ee6074ccdb06beb069a",
"packagetype": "bdist_wheel",
"python_version": "py3",
"requires_python": ">=3.8",
"size": 12177635,
"upload_time": "2024-07-04T05:11:51",
"upload_time_iso_8601": "2024-07-04T05:11:51.597929Z",
"url": "https://files.pythonhosted.org/packages/32/d4/d8c7d9353e4c508d3d447d7f7f4d71d998c5408391a0f1f3c3ee80082313/yiku_seg-0.1.5a4-py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": "",
"digests": {
"blake2b_256": "6f571756cdcb87a4ab95583b2e4c4fd12f4aa65e68e61307b03991dedb9ad89c",
"md5": "b9a1823d6de3faff936713d73252ad28",
"sha256": "1f7e53514ea3212f76b5b92288557225f35fbc65d8fbefa17fb8e36b637161bb"
},
"downloads": -1,
"filename": "yiku_seg-0.1.5a4.tar.gz",
"has_sig": false,
"md5_digest": "b9a1823d6de3faff936713d73252ad28",
"packagetype": "sdist",
"python_version": "source",
"requires_python": ">=3.8",
"size": 12146266,
"upload_time": "2024-07-04T05:11:54",
"upload_time_iso_8601": "2024-07-04T05:11:54.647167Z",
"url": "https://files.pythonhosted.org/packages/6f/57/1756cdcb87a4ab95583b2e4c4fd12f4aa65e68e61307b03991dedb9ad89c/yiku_seg-0.1.5a4.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2024-07-04 05:11:54",
"github": false,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"lcname": "yiku-seg"
}
JSON