paddleseg

PaddleSeg는 PaddlePaddle을 기반으로 한 엔드투드 이미지 분할 개발 키트로, 학습부터 배포까지의 완전한 이미지 분할 애플리케이션 름을 지향합니다. 프로젝트는 Apache 2.0 라이선스를 채택하고 있으며 Linux, Windows, macOS를 지원하고 Python 3.6 이상이 필요합니다. 심 기능 키트에는 45개 이상의 모델 알고리즘과 140개 이상의 사전 학습 모델이 내장되어 있으며, 시맨 분할, 대화형 분할, 이미지 매팅(Matting), 파노라마 분할의 네 가지 분할 기능을 제공하고 인물 분할, 3D 의료 분할, 도메인 적응 등의 특색 있는 방향으로 확장됩니다. 개발 방식은 구성 파일 기반과 API 호출을 동시에 지원하며, 데이터 라벨링, 모델 개발, 학습, 압축, 배포의 전 과정을 아우릅니다. 모델 및 구성 요소 시맨 분할 모델 라이브러리에는 PP-LiteSeg, PP-MobileSeg, DeepLabV3P, OCRNet, BiSeNetV1/V2, DDRNet, SegFormer, U-Net 시리즈, MaskFormer, K-Net, SegNeXt 등 다양한 네트워크가 포함되어 있습니다. 백본 네트워크는 HRNet, ResNet, STDCNet, MobileNetV2/V3, ShuffleNetV2, GhostNet, LiteHRNet, ViT, Swin Transformer, MSCAN 등을 포함합니다. 손실 함수는 교차 엔트로피, Dice, Focal, Lovasz, OHEM, 경계 주의 등 다양한 선택지를 제공하며, 평가 지표로는 mIoU, Accuracy, Kappa, Dice, AUC_ROC가 있습니다. 데이터 및 학습 지원 ADE20K, Cityscapes, COCO Stuff, Pascal VOC, PP-HumanSeg14K 및 여러 의료 영상 데이터셋(DRIVE, STARE, CHASE_DB1, HRF 등)의 읽기를 지원하며, 뒤집기, 크기 조정, 자르기, 노이즈, 블러, 회전, 아핀 등의 데이터 증강 전략을 제공합니다. 학습 측면에서는 다중 프로세스 비동기 I/O, 다중 GPU 병렬 학습 및 평가 등의 가속 전략을 채택하고 프레임워크의 메모리 최적화와 결합하여 학습 비용을 절감합니다. 배포 및 압축 모델은 추론 모델 또는 ONNX로 내보낼 수 있으며, 배포 경로로는 FastDeploy, Paddle Inference(Python/C++), Paddle Lite, Paddle Serving, Paddle JS가 있어 서버 GPU, X86 CPU, 모바일 ARM CPU 및 웹 시나리오를 아우릅니다. 축 측면에서는 양자화, 증류, 가지치기 및 양자화 증류 학습 압축 등의 기능을 제공합니다. 로우코드 및 도구 2024년 11월에는 PaddleX 기반의 로우코드 전 과정 개발 기능이 추가되어 범용 시맨틱 분할과 이미지 이상 탐지 관련 모델을 하나의 파이프라인으로 통합하고, 통합 명령과 그래픽 인터페이스 두 가지 사용 방식을 지원하며, 이미지 이상 탐지 알고리즘 SFTPM이 새로 추가되었습니다. 또한 모델 선택 도구 PaddleSMRT, 대화형 라벨링 도구 EISeg, 경량 비전 대형 모델 MobileSAM 등의 부속 구성 요소도 제공합니다. 적용 시나리오 README에는 인물 분할, 원격탐사 도로 분할, 차선 분할, 얼굴 부위 분할, 3D 척추 분할, 네일 미리보기, 철근 길이 모니터링 등의 산업 실천 사례가 나열되어 있어 의료, 산업, 원격탐사, 엔터테인먼트 등의 시나리오에 활용될 수 있음을 보여줍니다.