PaddleSeg在Windows上的配置及人像分隔使用

news2024/11/13 18:53:32

PaddleSeg是基于飞桨PaddlePaddle开源的端到端图像分割套件，提供语义分割、交互式分割、Matting、全景分割四大分割能力。源代码地址：https://github.com/PaddlePaddle/PaddleSeg，license为Apache-2.0，最新发布版本为2.8。

Windows上通过Anaconda安装：
1.安装cuda 11.6和cuDNN 8.4.0：
(1).从https://developer.nvidia.com/cuda-11-6-0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local 下载cuda_11.6.0_511.23_windows.exe并安装;
(2).从https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-windows 下载zlib123dllx64.zip并解压缩，将zlibwapi.dll所在的路径添加到系统环境变量；
(3).从https://developer.nvidia.com/rdp/cudnn-archive 下载cudnn-windows-x86_64-8.4.0.27_cuda11.6-archive.zip并解压缩：
1).在C:\Program Files\NVIDIA GPU Computing Toolkit目录下，新建CUDNN\8.4.0目录即C:\Program Files\NVIDIA GPU Computing Toolkit\CUDNN\8.4.0；
2).将解压缩后产生的三个文件夹bin, include, lib拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDNN\8.4.0目录下；
3).将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDNN\8.4.0\bin添加到系统环境变量
2.创建PaddleSeg虚拟环境：

conda create -n PaddleSeg python=3.9
conda activate PaddleSeg

3.安装PaddlePaddle：

conda install paddlepaddle-gpu==2.4.2 cudatoolkit=11.6 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge

验证：
(1).输入python进入python解释器；
(2).输入:import paddle
(3).输入：paddle.utils.run_check() ，结果如下图所示：出现PaddlePaddle is installed successfully!，说明已成功安装

4.安装PaddleSeg:

pip install paddleseg

验证,执行如下命令：输出结果如下，没有报错，安装成功

python tools/predict.py --config configs/quick_start/pp_liteseg_optic_disc_512x512_1k.yml --model_path https://paddleseg.bj.bcebos.com/dygraph/optic_disc/pp_liteseg_optic_disc_512x512_1k/model.pdparams --image_path docs/images/optic_test_image.jpg --save_dir output/result

人像分割的使用：
1.将Anaconda Powershell Prompt定位到contrib/PP-HumanSeg,执行以下命令下载Inference Model，保存Model在当前inference_models目录下：2个肖像分隔模型和4个通用人像分隔模型

python src/download_inference_models.py

2.执行以下命令下载测试数据，保存在data目录下：

python src/download_data.py

3.肖像分隔，执行以下命令：

python src/seg_demo.py --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml --img_path data/images/portrait_girl.jpg --save_dir data/images_result/portrait_v2_lite_girl.jpg

分隔结果如下所示：左图为原图，右图为分隔的结果

4.通用人像分隔，执行以下命令：

python src/seg_demo.py --config inference_models/human_pp_humansegv2_lite_192x192_inference_model_with_softmax/deploy.yaml --img_path data/images/human_girl.jpg --save_dir data/images_result/human_v2_lite_girl.jpg

分隔结果如下所示：左图为原图，右图为分隔的结果