\u200E
PaddleHub
便捷地获取PaddlePaddle生态下的预训练模型,完成模型的管理和一键预测。配合使用Fine-tune API,可以基于大规模预训练模型快速完成迁移学习,让预训练模型能更好地服务于用户特定场景的应用
零基础快速开始
U2Netp
类别图像 - 图像分割
网络U^2Net
数据集
模型概述
U2Net可用于人像分割。
选择模型版本进行安装
1.0.0 (最新版)
$ hub install U2Netp==1.0.0

概述

  • 的网络结构如下图,其类似于编码-解码(Encoder-Decoder)结构的 U-Net
  • 每个 stage 由新提出的 RSU模块(residual U-block) 组成. 例如,En_1 即为基于 RSU 构建的
  • 是一个小型化的

效果展示

API

def Segmentation(
        images=None,
        paths=None,
        batch_size=1,
        input_size=320,
        output_dir='output',
        visualization=False):

图像前景背景分割 API

参数

  • images (listnp.ndarray) : 输入图像数据列表(BGR)
  • paths (liststr) : 输入图像路径列表
  • batch_size (int) : 数据批大小
  • input_size (int) : 输入图像大小
  • output_dir (str) : 可视化图像输出目录
  • visualization (bool) : 是否可视化

返回

  • results (listnp.ndarray): 输出图像数据列表

代码示例

import cv2
import paddlehub as hub

model = hub.Module(name='U2Netp')

result = model.Segmentation(
    images=[cv2.imread('/PATH/TO/IMAGE')],
    paths=None,
    batch_size=1,
    input_size=320,
    output_dir='output',
    visualization=True)

查看代码

https://github.com/NathanUA/U-2-Net

依赖

paddlepaddle >= 2.0.0rc0
paddlehub >= 2.0.0b1