别再只会调包了!DeepLabv3 抠图实战:从 5 行代码跑通到 FastAPI 上线

简介: 别再只会调包了!DeepLabv3 抠图实战:从 5 行代码跑通到 FastAPI 上线

别再只会调包了!DeepLabv3 抠图实战:从 5 行代码跑通到 FastAPI 上线

大家好,我是 Echo_Wish。

前几天一个做电商的朋友找我,说老板让他把商品图里的人像自动抠出来换背景,他对着 PS 抠了一下午,眼睛都花了。我说你这不就是图像分割吗,让模型干啊。他问我用啥,我说 DeepLabv3,经典、稳、好部署,今天咱就把它从头到尾聊透。

一、先说人话:图像分割到底在干嘛?

分类模型回答的是"这图里有啥",检测模型回答的是"东西在哪个框里",分割回答的是"每个像素属于谁"。

一张图 520×520,就是 27 万多个像素,模型要给每一个像素打标签:这是人、这是狗、这是背景。所以分割的输出不是一个类别,而是一张和原图一样大的"标签地图"。

二、DeepLabv3 凭什么能打?

不讲公式,只讲思路。

传统卷积网络一路下采样,图越缩越小,语义是抽象出来了,但边缘细节也丢光了。DeepLab 系列的招数叫空洞卷积(Atrous Conv):卷积核里"留白",不增加参数,却能看到更大的范围,所以不用把图缩得太狠,细节保住了,视野也够大。

再配上 ASPP 模块,用不同空洞率的卷积并联,同时看"近处"和"远处",大物体小物体一起照顾。

我的感受是:DeepLabv3 不是最新最炫的,但它结构清晰、论文好读、torchvision 里开箱即用。想入门分割,这是一块很好的敲门砖。

三、5 行核心代码跑通推理

先装环境:

pip install torch torchvision pillow numpy

然后直接上:

import torch
import numpy as np
from PIL import Image
from torchvision.models.segmentation import (
    deeplabv3_resnet50, DeepLabV3_ResNet50_Weights
)

weights = DeepLabV3_ResNet50_Weights.DEFAULT
model = deeplabv3_resnet50(weights=weights).eval()
preprocess = weights.transforms()          # 官方预处理,别自己瞎写
categories = weights.meta["categories"]    # 21 个类别名

img = Image.open("demo.jpg").convert("RGB")
x = preprocess(img).unsqueeze(0)           # [1, 3, H, W]

with torch.inference_mode():
    logits = model(x)["out"]               # [1, 21, H, W]

mask = logits.argmax(1)[0].numpy()         # [H, W],每个像素一个类别 id
print("图里有:", [categories[i] for i in np.unique(mask)])

这里有两个关键点,我踩过坑,必须说:

  1. model(x) 返回的是个字典,真正的结果在 ["out"] 里,还有个 aux 是训练时的辅助分支,推理不用管。
  2. argmax(1) 就是在 21 个通道里挑分数最高的,分割的本质就是"逐像素分类"。

四、让结果看得见:上色 + 叠加 + 抠人

只打印类别没意思,咱把它画出来:

def voc_palette(n=21):
    palette = np.zeros((n, 3), dtype=np.uint8)
    for i in range(n):
        c, r, g, b = i, 0, 0, 0
        for j in range(8):
            r |= ((c >> 0) & 1) << (7 - j)
            g |= ((c >> 1) & 1) << (7 - j)
            b |= ((c >> 2) & 1) << (7 - j)
            c >>= 3
        palette[i] = [r, g, b]
    return palette

def overlay(img, mask, alpha=0.5):
    color = voc_palette()[mask]                       # [h, w, 3]
    color = Image.fromarray(color).resize(img.size, Image.NEAREST)
    return Image.blend(img, color, alpha)

overlay(img, mask).save("overlay.png")

再来朋友最想要的功能,抠人(VOC 里 person 的 id 是 15):

def cutout_person(img, mask, cls_id=15):
    m = (mask == cls_id).astype(np.uint8) * 255
    m = Image.fromarray(m).resize(img.size, Image.NEAREST)  # 掩码还原到原图尺寸
    out = img.convert("RGBA")
    out.putalpha(m)
    return out

cutout_person(img, mask).save("person.png")

注意那句 resize(img.size, Image.NEAREST)。预处理会把图缩到 520 左右,掩码是小尺寸的,必须还原回原图大小,而且必须用最近邻插值,用双线性的话类别 id 会被插值成一堆不存在的"小数类别",边缘全花。

五、想识别自己的类别?换个头就行

预训练模型只认 21 类,业务里你要分的可能是"裂缝"、"皮损"、"商品主体"。这时候别从零训练,冻住或微调骨干,换掉分类头:

from torchvision.models.segmentation.deeplabv3 import DeepLabHead

num_classes = 3   # 比如:背景 / 商品 / 阴影
model = deeplabv3_resnet50(weights=weights)
model.classifier = DeepLabHead(2048, num_classes)
model.aux_classifier = None   # 辅助头不要了,省事

损失函数用 CrossEntropyLoss 就行,标签是 [B, H, W] 的整数图。说句掏心窝子的话:数据标注质量比模型选型重要十倍。我见过太多人纠结用 v3 还是 v3+,结果标注边缘都是糊的,模型再强也白搭。

六、重头戏:部署上线

模型在 notebook 里跑通,只完成了 30%。真正考验人的是上线。我的路线是:PyTorch → ONNX → onnxruntime → FastAPI,不依赖 torch,镜像小、启动快。

先导出 ONNX:

import torch

class Wrapper(torch.nn.Module):
    def __init__(self, m):
        super().__init__()
        self.m = m
    def forward(self, x):
        return self.m(x)["out"]   # 把字典输出拍平成张量,ONNX 才好导

dummy = torch.randn(1, 3, 520, 520)
torch.onnx.export(
    Wrapper(model).eval(), dummy, "deeplabv3.onnx",
    input_names=["input"], output_names=["logits"],
    dynamic_axes={
   "input": {
   0: "batch", 2: "h", 3: "w"},
                  "logits": {
   0: "batch", 2: "h", 3: "w"}},
    opset_version=17,
)

再写服务(app.py):

import io
import numpy as np
import onnxruntime as ort
from PIL import Image
from fastapi import FastAPI, UploadFile
from fastapi.responses import Response

app = FastAPI()
sess = ort.InferenceSession("deeplabv3.onnx", providers=["CPUExecutionProvider"])

MEAN = np.array([0.485, 0.456, 0.406], dtype=np.float32)
STD = np.array([0.229, 0.224, 0.225], dtype=np.float32)

def prepare(img: Image.Image, size=520):
    img = img.resize((size, size), Image.BILINEAR)
    arr = (np.asarray(img, dtype=np.float32) / 255.0 - MEAN) / STD
    return arr.transpose(2, 0, 1)[None]          # [1, 3, H, W]

@app.post("/segment")
async def segment(file: UploadFile):
    img = Image.open(io.BytesIO(await file.read())).convert("RGB")
    logits = sess.run(None, {
   "input": prepare(img)})[0]
    mask = logits.argmax(1)[0].astype(np.uint8)
    mask_img = Image.fromarray(mask).resize(img.size, Image.NEAREST)
    buf = io.BytesIO()
    mask_img.save(buf, format="PNG")
    return Response(buf.getvalue(), media_type="image/png")
pip install fastapi uvicorn onnxruntime python-multipart
uvicorn app:app --host 0.0.0.0 --port 8000
curl -F "file=@demo.jpg" http://localhost:8000/segment -o mask.png

到这一步,你的分割服务就能被别人调用了。

七、几个上线后才会懂的实话

第一,预处理一致性是头号杀手。 训练时用什么均值方差、什么缩放方式,部署时必须一模一样。我见过线上效果比本地差一大截,查了两天,结果是 RGB 和 BGR 搞反了。

第二,ResNet50 版的 DeepLabv3 不算轻。 纯 CPU 上单张图跑个几百毫秒到一两秒很正常。要提速,可以换 MobileNet 骨干的版本(torchvision 里有 deeplabv3_mobilenet_v3_large),或者上 GPU、做量化,别硬扛。

第三,别神化模型。 头发丝、半透明物体、复杂背景,它照样会翻车。需要发丝级抠图的话,分割结果只能当"粗掩码",后面还得接 matting 模型。

写在最后

说点感想。这两年大家都在追 SAM、追各种大模型,但我越来越觉得:能把一个经典模型从数据、训练一路干到稳定上线的人,比只会跑 demo 的人值钱得多。DeepLabv3 不新,但它把"分割该怎么做"这件事讲得明明白白,吃透了它,再看 SegFormer、Mask2Former 就是换汤不换药。

最后送大家一句话:模型是用来解决问题的,不是用来炫技的。 朋友那个抠人需求,我用上面这套半天就搞定了,老板满意,他也不用再对着 PS 熬夜。

好了,今天就聊到这。代码拿去跑跑看,遇到坑欢迎留言,咱们评论区见。

我是 Echo_Wish,下期再聊。

目录
相关文章
|
17天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
7201 54
|
4天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
5天前
|
云安全 人工智能 安全
|
18天前
|
JavaScript API iOS开发
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(DSH)是DeepSeek于2026年开源的MIT协议AI Agent框架,支持插件化组装模型、工具、沙箱与UI,兼容主流大模型。本文提供免Node.js的桌面端安装包(Win/macOS),含详细图文教程及热门插件推荐。
5525 66
|
12天前
|
Linux 开发工具 iOS开发
2026最新codex下载安装保姆级使用教程(下载+安装+登录+使用,含所有历史版本)
本文详解OpenAI Codex国内快速上手指南:提供Win/macOS/Linux全平台免安装包、npm/Homebrew等多方式安装、账号/API Key双登录、简体中文切换,覆盖下载、安装、汉化、使用及高频避坑(如微软商店失败、npm超时等),10分钟即可跑通。
2790 9
|
4天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
10天前
|
人工智能 安全 API
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(dsh)是DeepSeek AI于2026年开源的轻量级Agent运行框架,基于Cordis内核,践行“一切皆插件”理念。支持Web/桌面双端,开箱即用;内置多模型接入、丰富插件生态(超3.5万),适配编程、办公、创作等场景。(239字)
1810 1
|
2天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
1276 0
|
8天前
|
人工智能 iOS开发 开发者
2026年 Codex 下载地址更新:codexdown.cn 已更换为 codexdown.cc(附 Codex 客户端下载)
2026年Codex官方下载站已由codexdown.cn正式迁移至codexdown.cc,提供Windows/macOS最新客户端、历史版本、安装教程及配置指南,开发者可一站式获取稳定、安全、签名验证的AI编程工具资源。(239字)
1679 0

热门文章

最新文章