Python 深度学习AI - 利用训练好的模型库进行图像分割、一键抠图实例演示,百度深度学习平台飞浆paddlepaddle-gpu的安装与使用

本文涉及的产品
视觉智能开放平台,分割抠图1万点
视觉智能开放平台,图像资源包5000点
视觉智能开放平台,视频资源包5000点
简介: Python 深度学习AI - 利用训练好的模型库进行图像分割、一键抠图实例演示,百度深度学习平台飞浆paddlepaddle-gpu的安装与使用

       

Python 深度学习AI - 图像分割

第一章:深度学习平台飞浆 paddle 的环境搭建

① 效率更高的 gpu 版本的安装

通过 python -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple来进行安装。

paddle.utils.run_check() 可以检测 paddle 的安装情况。

image.png

② 判断是否支持 gpu 版本

如果报下面的错误,说明你的显卡不支持 GPU

You are using GPU version PaddlePaddle, but there is no GPU detected on your machine. Maybe CUDA devices is not set properly.

译:

你使用的是GPU版本的PaddlePaddle,但在你的机器上没有检测到GPU。可能CUDA设备设置不正确。

UserWarning: You are using GPU version Paddle, but your CUDA device is not set properly. CPU device will be used by default.

译:

用户警告:你正在使用GPU版本的飞桨,但是你的CUDA设备没有正确设置。默认使用CPU设备。

③ 退而求其次,普通版本的安装

那就用下面的命令进行卸载:

python -m pip uninstall paddlepaddle-gpu

卸载后再安装 cpu 版本的:

python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

不卸载也可以,上面说会默认使用 cpu 的,也可以正常用,只是不能体验 cpu 的速度了。

④ paddlehub 的安装

然后是安装 paddlehub 了,我们将要用到的训练模型就来自于 paddlehub

python -m pip install paddlehub -i https://mirror.baidu.com/pypi/simple

Successfully installed Babel-2.9.1 Flask-Babel-2.0.0  Jinja2-3.0.1 MarkupSafe-2.0.1 Werkzeug-2.0.1  backports.entry-points-selectable-1.1.0 bce-python-sdk-0.8.61 cfgv-3.3.0  click-8.0.1 colorama-0.4.4 colorlog-5.0.1 cycler-0.10.0 dill-0.3.4  distlib-0.3.2 easydict-1.9 filelock-3.0.12 flake8-3.9.2 flask-2.0.1  gitdb-4.0.7 gitpython-3.1.18 h5py-3.3.0 identify-2.2.11  itsdangerous-2.0.1 jieba-0.42.1 joblib-1.0.1 kiwisolver-1.3.1  matplotlib-3.4.2 mccabe-0.6.1 multiprocess-0.70.12.2 nodeenv-1.6.0  opencv-python-4.5.3.56 packaging-21.0 paddle2onnx-0.7 paddlehub-2.1.0  paddlenlp-2.0.6 pandas-1.3.0 platformdirs-2.0.2 pre-commit-2.13.0  pycodestyle-2.7.0 pycryptodome-3.10.1 pyflakes-2.3.1 pyparsing-2.4.7  python-dateutil-2.8.2 pytz-2021.1 pyyaml-5.4.1 pyzmq-22.1.0 rarfile-4.0  scikit-learn-0.24.2 scipy-1.7.0 seqeval-1.2.2 shellcheck-py-0.7.2.1  smmap-4.0.0 threadpoolctl-2.2.0 toml-0.10.2 tqdm-4.61.2  virtualenv-20.6.0 visualdl-2.2.0`

第二章:调用训练好的库进行图像分割效果演示

① 演示一:ace2p 模型

下面这是原图,接下来演示下不同模型分割图像的效果图。

image.png

这个分割的效果看着还可以。

import paddlehub as hub
seg = hub.Module(name='ace2p')
path = './image/baozi.jpg'
seg.segmentation(paths=[path],visualization=True, output_dir="./image")

每次加载新的模型会下载对应的模型。

image.png

image.png

② 演示二:humanseg_server 模型

下面腿部识别的不是很好。

import paddlehub as hub
seg = hub.Module(name='humanseg_server')
path = './image/baozi.jpg'
seg.segment(paths=[path],visualization=True, output_dir="./image")

image.png

③ 演示三:deeplabv3p_xception65_humanseg 模型

主要训练的模型都是人类图像,所以这个豹子的识别效果差了一些,更多的需要大家自己来尝试了。

import paddlehub as hub
seg = hub.Module(name='deeplabv3p_xception65_humanseg')
path = './image/baozi.jpg'
seg.segmentation(paths=[path],visualization=True, output_dir="./image")

image.png

喜欢的点个赞❤吧!


相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
目录
相关文章
|
1月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
132 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
2月前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
353 55
|
1月前
|
机器学习/深度学习 存储 数据挖掘
Python图像处理实用指南:PIL库的多样化应用
本文介绍Python中PIL库在图像处理中的多样化应用,涵盖裁剪、调整大小、旋转、模糊、锐化、亮度和对比度调整、翻转、压缩及添加滤镜等操作。通过具体代码示例,展示如何轻松实现这些功能,帮助读者掌握高效图像处理技术,适用于图片美化、数据分析及机器学习等领域。
72 20
|
6天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
43 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
3天前
|
数据采集 JavaScript Android开发
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
27 7
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
|
28天前
|
测试技术 Python
【03】做一个精美的打飞机小游戏,规划游戏项目目录-分门别类所有的资源-库-类-逻辑-打包为可玩的exe-练习python打包为可执行exe-优雅草卓伊凡-持续更新-分享源代码和游戏包供游玩-1.0.2版本
【03】做一个精美的打飞机小游戏,规划游戏项目目录-分门别类所有的资源-库-类-逻辑-打包为可玩的exe-练习python打包为可执行exe-优雅草卓伊凡-持续更新-分享源代码和游戏包供游玩-1.0.2版本
103 31
【03】做一个精美的打飞机小游戏,规划游戏项目目录-分门别类所有的资源-库-类-逻辑-打包为可玩的exe-练习python打包为可执行exe-优雅草卓伊凡-持续更新-分享源代码和游戏包供游玩-1.0.2版本
|
2月前
|
机器学习/深度学习 数据可视化 TensorFlow
使用Python实现深度学习模型的分布式训练
使用Python实现深度学习模型的分布式训练
195 73
|
1月前
|
机器学习/深度学习 存储 人工智能
MNN:阿里开源的轻量级深度学习推理框架,支持在移动端等多种终端上运行,兼容主流的模型格式
MNN 是阿里巴巴开源的轻量级深度学习推理框架,支持多种设备和主流模型格式,具备高性能和易用性,适用于移动端、服务器和嵌入式设备。
366 18
MNN:阿里开源的轻量级深度学习推理框架,支持在移动端等多种终端上运行,兼容主流的模型格式
|
1月前
|
机器学习/深度学习 算法 前端开发
基于Python深度学习果蔬识别系统实现
本项目基于Python和TensorFlow,使用ResNet卷积神经网络模型,对12种常见果蔬(如土豆、苹果等)的图像数据集进行训练,构建了一个高精度的果蔬识别系统。系统通过Django框架搭建Web端可视化界面,用户可上传图片并自动识别果蔬种类。该项目旨在提高农业生产效率,广泛应用于食品安全、智能农业等领域。CNN凭借其强大的特征提取能力,在图像分类任务中表现出色,为实现高效的自动化果蔬识别提供了技术支持。
基于Python深度学习果蔬识别系统实现
|
2月前
|
机器学习/深度学习 数据采集 供应链
使用Python实现智能食品消费需求分析的深度学习模型
使用Python实现智能食品消费需求分析的深度学习模型
97 21

热门文章

最新文章