इस प्रोजेक्ट के बारे में

PaddleSeg फ्लाईगेंज PaddlePaddle पर आधारित एक एंड-टू-एंड छवि विभाजन विकास किट है, जो प्रशिक्षण से परिनियोजन तक की पूरी छवि विभाजन अनुप्रयोग प्रक्रिया के लिए है। यह परियोजना Apache 2.0 लाइसेंस के अंतर्गत है, Linux, Windows और macOS का समर्थन करती है, और Python 3.6 या उच्चतर की आवश्यकता होती है। मुख्य क्षमताएँ किट में 45+ मॉडल एल्गोरिदम और 140+ पूर्व-प्रशिक्षित मॉडल शामिल हैं, जो चार मुख्य विभाजन क्षमताएँ प्रदान करते हैं: सिमेंटिक विभाजन, इंटरैक्टिव विभाजन, छवि मैटिंग और पैनोरमिक विभाजन, साथ ही विशेष दिशाएँ जैसे पोर्ट्रेट विभाजन, 3D चिकित्सा विभाजन और डोमेन अनुकूलन। विकास विधियों में कॉन्फ़िगरेशन-संचालित और API कॉल दोनों का समर्थन है, जो डेटा एनोटेशन, मॉडल विकास, प्रशिक्षण, संपीड़न और परिनियोजन की पूरी प्रक्रिया को कवर करता है। मॉडल और घटक सिमेंटिक विभाजन मॉडल लाइब्रेरी में PP-LiteSeg, PP-MobileSeg, DeepLabV3P, OCRNet, BiSeNetV1/V2, DDRNet, SegFormer, U-Net श्रृंखला, MaskFormer, K-Net, SegNeXt जैसे कई नेटवर्क शामिल हैं। बैकबोन नेटवर्क में HRNet, ResNet, STDCNet, MobileNetV2/V3, ShuffleNetV2, GhostNet, LiteHRNet, ViT, Swin Transformer, MSCAN आदि शामिल हैं। हानि फ़ंक्शन क्रॉस-एन्ट्रॉपी, Dice, Focal, Lovasz, OHEM, एज अटेंशन जैसे कई विकल्प प्रदान करते हैं, और मूल्यांकन मेट्रिक्स में mIoU, Accuracy, Kappa, Dice, AUC_ROC शामिल हैं। डेटा और प्रशिक्षण समर्थन इसमें ADE20K, Cityscapes, COCO Stuff, Pascal VOC, PP-HumanSeg14K और कई चिकित्सा इमेजिंग डेटासेट (DRIVE, STARE, CHASE_DB1, HRF आदि) के लिए पढ़ने का समर्थन शामिल है, साथ ही फ्लिप, स्केलिंग, क्रॉपिंग, शोर, ब्लर, रोटेशन, एफ़िन जैसी डेटा वृद्धि रणनीतियाँ प्रदान करता है। प्रशिक्षण पक्ष में मल्टी-प्रोसेस एसिंक्रोनस I/O, मल्टी-ग्राफिक कार्ड समानांतर प्रशिक्षण और मूल्यांकन जैसी त्वरण रणनीतियाँ शामिल हैं, और फ्रेमवर्क मेमोरी अनुकूलन के साथ प्रशिक्षण लागत कम करता है। परिनियोजन और संपीड़न मॉडल को पूर्वानुमान मॉडल या ONNX में निर्यात किया जा सकता है, और परिनियोजन मार्गों में FastDeploy, Paddle Inference (Python/C++), Paddle Lite, Paddle Serving और Paddle JS शामिल हैं, जो सर्वर GPU, X86 CPU, मोबाइल ARM CPU और वेब परिदृश्यों को कवर करते हैं। संपीड़न में क्वांटाइज़ेशन, डिस्टिलेशन, प्रूनिंग और क्वांटाइज़ेशन-डिस्टिलेशन प्रशिक्षण संपीड़न जैसी क्षमताएँ प्रदान की जाती हैं। लो-कोड और उपकरण नवंबर 2024 में PaddleX पर आधारित लो-कोड पूर्ण-प्रक्रिया विकास क्षमता जोड़ी गई, जो सामान्य सिमेंटिक विभाजन और छवि विसंगति पहचान मॉडल को पाइपलाइनों में एकीकृत करती है, और एकीकृत कमांड और ग्राफिकल इंटरफ़ेस दोनों उपयोग विधियों का समर्थन करती है, साथ ही छवि विसंगति पहचान एल्गोरिदम SFTPM जोड़ा गया। इसके अलावा, मॉडल चयन उपकरण PaddleSMRT, इंटरैक्टिव एनोटेशन उपकरण EISeg, और हल्का विज़न लार्ज मॉडल MobileSAM जैसे सहायक घटक प्रदान किए जाते हैं। उपयोग परिदृश्य README में पोर्ट्रेट विभाजन, रिमोट सेंसिंग सड़क विभाजन, लेन लाइन विभाजन, चेहरे के हिस्सों का विभाजन, 3D कशेरुका विभाजन, नेल आर्ट पूर्वावलोकन, स्टील बार लंबाई निगरानी जैसे औद्योगिक अभ्यास उदाहरण सूचीबद्ध हैं, जो चिकित्सा, औद्योगिक, रिमोट सेंसिंग और मनोरंजन जैसे परिदृश्यों में इसकी सेवा को दर्शाते हैं।