实例分割¶
介绍¶
PaddleX目前提供了MaskRCNN实例分割模型结构,多种backbone模型,可满足开发者不同场景和性能的需求。
- Box MMAP/Seg MMAP: 模型在COCO数据集上的测试精度
- 预测速度:单张图片的预测用时(不包括预处理和后处理)
- “-”表示指标暂未更新
模型(点击获取代码) | Box MMAP/Seg MMAP | 模型大小 | GPU预测速度 | Arm预测速度 | 备注 |
---|---|---|---|---|---|
MaskRCNN-ResNet50-FPN | 38.7%/34.7% | 177.7MB | 160.185ms | - | 模型精度高,适用于服务端部署 |
MaskRCNN-ResNet18-FPN | 33.6%/30.5% | 189.1MB | - | - | 模型精度高,适用于服务端部署 |
MaskRCNN-HRNet-FPN | 38.7%/34.7% | 120.7MB | - | - | 模型精度高,预测速度快,适用于服务端部署 |
开始训练¶
将代码保存到本地后运行(代码下载链接位于上面表格中),代码会自动下载训练数据并开始训练。如保存为mask_rcnn_r50_fpn.py
,执行如下命令即可开始训练:
python mask_rcnn_r50_fpn.py
相关文档¶
- 【重要】针对自己的机器环境和数据,调整训练参数?先了解下PaddleX中训练参数作用。——>>传送门
- 【有用】没有机器资源?使用AIStudio免费的GPU资源在线训练模型。——>>传送门
- 【拓展】更多实例分割模型,查阅PaddleX模型库和API使用文档。