Skip to content

Latest commit

 

History

History
430 lines (316 loc) · 23.8 KB

README_cn.md

File metadata and controls

430 lines (316 loc) · 23.8 KB
Raw

简体中文 | English

人像分割PP-HumanSeg

目录

  • 1 简介
  • 2 最新消息
  • 3 技术交流
  • 4 PP-HumanSeg模型
  • 5 快速体验
  • 6 训练评估预测演示
  • 7 部署

1 简介

将人物和背景在像素级别进行区分，是一个图像分割的经典任务，具有广泛的应用。 一般而言，该任务可以分为两类：针对半身人像的分割，简称肖像分割；针对全身和半身人像的分割，简称通用人像分割。

对于肖像分割和通用人像分割，PaddleSeg发布了PP-HumanSeg系列模型，具有分割精度高、推理速度快、通用型强的优点。而且PP-HumanSeg系列模型可以开箱即用，零成本部署到产品中，也支持针对特定场景数据进行微调，实现更佳分割效果。

如下是演示视频（由于视频较大，加载会稍慢），此外大家可以在Paddle.js的网页体验人像扣图效果(链接)、视频背景替换及弹幕穿透效果(链接)。

2 最新消息

  • [2022-7] 发布PP-HumanSeg V2版本模型，肖像分割模型的推理耗时减小45.5%、mIoU提升3.03%、可视化效果更佳，通用人像分割模型的推理速度和精度也有明显提升。
  • [2022-1] 人像分割论文PP-HumanSeg发表于WACV 2022 Workshop，并开源连通性学习（SCL）方法和大规模视频会议数据集。
  • [2021-7] 百度视频会议可实现Web端一秒入会，其中的虚拟背景功能采用我们的PP-HumanSeg肖像模型，实现实时背景替换和背景虚化功能，保护用户隐私，并增加视频会议的趣味性。
  • [2021-7] 发布PP-HumanSeg V1版本模型，包括一个肖像分割模型和三个通用人像分割模型。

3 技术交流

  • 如果大家有使用问题和功能建议, 可以通过GitHub Issues提issue。
  • 欢迎大家加入PaddleSeg的微信用户群👫（扫码填写问卷即可入群），和各界大佬交流学习，还可以领取重磅大礼包🎁
    • 🔥 获取PaddleSeg的历次直播视频，最新发版信息和直播动态
    • 🔥 获取PaddleSeg自建的人像分割数据集，整理的开源数据集
    • 🔥 获取PaddleSeg在垂类场景的预训练模型和应用合集，涵盖人像分割、交互式分割等等
    • 🔥 获取PaddleSeg的全流程产业实操范例，包括质检缺陷分割、抠图Matting、道路分割等等

4 PP-HumanSeg模型

4.1 肖像分割模型

针对手机视频通话、Web视频会议等实时半身人像的分割场景，PP-HumanSeg发布了自研的肖像分割模型。该系列模型可以开箱即用，零成本直接集成到产品中。

PP-HumanSegV1-Lite肖像分割模型，分割效果较好，模型体积非常小，模型结构见链接。

PP-HumanSegV2-Lite肖像分割模型，对比V1模型，推理耗时减小45.5%、mIoU提升3.03%、可视化效果更佳，核心在于：

  • 更高的分割精度：使用PaddleSeg推出的超轻量级分割模型(链接)，具体选择MobileNetV3作为骨干网络，设计多尺度特征融合模块(Multi-Scale Feature Aggregation Module)。
  • 更快的推理速度：减小模型最佳输入尺寸，既减少了推理耗时，又增大模型感受野。
  • 更好的通用性：使用迁移学习的思想，首先在大型通用人像分割数据集上预训练，然后在小型肖像分割数据集上微调。
模型名 最佳输入尺寸 精度mIou(%) 手机端推理耗时(ms) 模型体积(MB) 配置文件 下载连接
PP-HumanSegV1-Lite 398x224 93.60 29.68 2.3 cfg Checkpoint | Inference Model (Argmax) | Inference Model (Softmax)
PP-HumanSegV2-Lite 256x144 96.63 15.86 5.4 cfg Checkpoint | Inference Model (Argmax) | Inference Model (Softmax)
表格说明：
  • 测试肖像模型的精度mIoU：针对PP-HumanSeg-14k数据集，使用模型最佳输入尺寸进行测试，没有应用多尺度和flip等操作。
  • 测试肖像模型的推理耗时：基于PaddleLite预测库，小米9手机（骁龙855 CPU）、单线程、大核，使用模型最佳输入尺寸进行测试。
  • 最佳输入尺寸的宽高比例是16:9，和手机、电脑的摄像头拍摄尺寸比例相同。
  • Checkpoint是模型权重，结合模型配置文件，可以用于Finetuning场景。
  • Inference Model为预测模型，可以直接用于部署。
  • Inference Model (Argmax) 指模型最后使用Argmax算子，输出单通道预测结果(int64类型)，人像区域为1，背景区域为0。
  • Inference Model (Softmax) 指模型最后使用Softmax算子，输出单通道预测结果（float32类型），每个像素数值表示是人像的概率。
使用说明：
  • 肖像分割模型专用性较强，可以开箱即用，建议使用最佳输入尺寸。
  • 在手机端部署肖像分割模型，存在横屏和竖屏两种情况。大家可以根据实际情况对图像进行旋转，保持人像始终是竖直，然后将图像（尺寸比如是256x144或144x256）输入模型，得到最佳分割效果。

4.2 通用人像分割模型

针对通用人像分割任务，我们首先构建的大规模人像数据集，然后使用PaddleSeg的SOTA模型，最终发布了多个PP-HumanSeg通用人像分割模型。

PP-HumanSegV2-Lite通用人像分割模型，使用PaddleSeg推出的超轻量级分割模型，相比V1模型精度mIoU提升6.5%，手机端推理耗时增加3ms。

PP-HumanSegV2-Mobile通用分割模型，使用PaddleSeg自研的PP-LiteSeg模型，相比V1模型精度mIoU提升1.49%，服务器端推理耗时减少5.7%。

模型名 最佳输入尺寸 精度mIou(%) 手机端推理耗时(ms) 服务器端推理耗时(ms) 配置文件 下载链接
PP-HumanSegV1-Lite 192x192 86.02 12.3 - cfg Checkpoint | Inference Model (Argmax) | Inference Model (Softmax)
PP-HumanSegV2-Lite 192x192 92.52 15.3 - cfg Checkpoint | Inference Model (Argmax) | Inference Model (Softmax)
PP-HumanSegV1-Mobile 192x192 91.64 - 2.83 cfg Checkpoint | Inference Model (Argmax) | Inference Model (Softmax)
PP-HumanSegV2-Mobile 192x192 93.13 - 2.67 cfg Checkpoint | Inference Model (Argmax) | Inference Model (Softmax)
PP-HumanSegV1-Server 512x512 96.47 - 24.9 cfg Checkpoint | Inference Model (Argmax) | Inference Model (Softmax)
表格说明：
  • 测试通用人像模型的精度mIoU：通用分割模型在大规模人像数据集上训练完后，在小规模Supervisely Person 数据集(下载链接)上进行测试。
  • 测试手机端推理耗时：基于PaddleLite预测库，小米9手机（骁龙855 CPU）、单线程、大核，使用模型最佳输入尺寸进行测试。
  • 测试服务器端推理耗时：基于PaddleInference预测裤，V100 GPU、开启TRT，使用模型最佳输入尺寸进行测试。
  • Checkpoint是模型权重，结合模型配置文件，可以用于Finetune场景。
  • Inference Model为预测模型，可以直接用于部署。
  • Inference Model (Argmax) 指模型最后使用Argmax算子，输出单通道预测结果(int64类型)，人像区域为1，背景区域为0。
  • Inference Model (Softmax) 指模型最后使用Softmax算子，输出单通道预测结果（float32类型），每个像素数值表示是人像的概率。
使用说明：
  • 由于通用人像分割任务的场景变化很大，大家需要根据实际场景评估PP-HumanSeg通用人像分割模型的精度。
  • 如果满足业务要求，可以直接应用到产品中。
  • 如果不满足业务要求，大家可以收集、标注数据，基于开源通用人像分割模型进行Finetune。

5 快速体验

5.1 准备环境

安装PaddlePaddle，要求：

  • PaddlePaddle >= 2.2.0
  • Python >= 3.7+

由于图像分割模型计算开销大，推荐在GPU版本的PaddlePaddle下使用PaddleSeg，详细安装教程请见PaddlePaddle官网。

执行如下命令，下载PaddleSeg，安装必要库。

git clone https://github.com/PaddlePaddle/PaddleSeg
cd PaddleSeg
pip install -r requirements.txt

5.2 准备模型和数据

以下所有命令均在PaddleSeg/contrib/PP-HumanSeg目录下执行。

cd PaddleSeg/contrib/PP-HumanSeg

执行以下命令下载Inference Model，保存在当前inference_models目录。

python src/download_inference_models.py

执行以下命令下载测试数据保存在data目录，下载数据包括：

  • portrait_heng.jpg和portrait_shu.jpg分别是手机摄像头在横屏和竖屏下，拍摄的肖像测试图片。
  • video_heng.mp4和video_shu.mp4分别是手机摄像头在横屏和竖屏下，拍摄的肖像测试视频。
  • mini_supervisely数据集从人像分割数据集 Supervise.ly Person 中随机抽取一小部分并转化成PaddleSeg可直接加载数据格式。
python src/download_data.py

5.3 肖像分割

使用src/seg_demo.py脚本实现肖像分割、背景替换等功能的演示。

src/seg_demo.py脚本的输入数据可以是图片、视频或者摄像头，主要参数说明如下。

参数 说明 类型 是否必选项 默认值
config 预测模型中deploy.yaml文件的路径 str 是 -
img_path 待分割图片的路径 str 否 -
video_path 待分割视频的路径 str 否 -
bg_img_path 背景图片的路径，用于替换图片或视频的背景 str 否 -
bg_video_path 背景视频的路径，用于替换视频的背景 str 否 -
save_dir 保存输出图片或者视频的路径 str 否 ./output
vertical_screen 表明输入图片和视频是竖屏 store_true 否 False
use_post_process 设置对输出logit进行后处理，滤除背景干扰 store_true 否 False
use_optic_flow 设置使用光流处理 store_true 否 False
参数说明：
  • 如果设置了img_path，则对图像进行分割；如果设置了video_path，则对视频进行分割。
  • 如果img_path和video_path都没有设置，则使用摄像头拍摄视频，进行分割。
  • 默认输入图像和视频是横屏模式，即是宽大于高，如果输入图像和视频是竖屏模式，需要设置--vertical_screen参数。
  • 使用光流处理可以缓解视频分割的抖动，要求opencv-python版本大于4.0。

1）输入图片进行测试

加载data/images/portrait_heng.jpg横屏图像，使用PP-HumanSeg肖像分割模型进行预测，结果保存在data/images_result/目录。

# Use PP-HumanSegV2-Lite
python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \
  --img_path data/images/portrait_heng.jpg \
  --save_dir data/images_result/portrait_heng_v2.jpg

# Use PP-HumanSegV1-Lite
python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv1_lite_398x224_inference_model_with_softmax/deploy.yaml \
  --img_path data/images/portrait_heng.jpg \
  --save_dir data/images_result/portrait_heng_v1.jpg

加载data/images/portrait_shu.jpg竖屏图像，使用PP-HumanSeg肖像分割模型进行预测。

python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \
  --img_path data/images/portrait_shu.jpg \
  --save_dir data/images_result/portrait_shu_v2.jpg \
  --vertical_screen

使用背景图片，得到替换背景的图片。

python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \
  --img_path data/images/portrait_heng.jpg \
  --bg_img_path data/images/bg_2.jpg \
  --save_dir data/images_result/portrait_heng_v2_withbg.jpg

python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \
  --img_path data/images/portrait_shu.jpg \
  --bg_img_path data/images/bg_1.jpg \
  --save_dir data/images_result/portrait_shu_v2_withbg.jpg \
  --vertical_screen

2）输入视频进行分割

加载data/videos/video_heng.mp4横屏视频，使用PP-HumanSeg肖像分割模型进行预测，结果保存在data/videos_result/目录。

# Use PP-HumanSegV2-Lite
python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \
  --video_path data/videos/video_heng.mp4 \
  --save_dir data/videos_result/video_heng_v2.avi

python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \
  --video_path data/videos/video_heng.mp4 \
  --use_post_process \
  --save_dir data/videos_result/video_heng_v2_use_post_process.avi

# Use PP-HumanSegV1-Lite
python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv1_lite_398x224_inference_model_with_softmax/deploy.yaml \
  --video_path data/videos/video_heng.mp4 \
  --save_dir data/videos_result/video_heng_v1.avi

加载data/videos/video_shu.mp4竖屏视频，使用PP-HumanSeg肖像分割模型进行预测。

python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \
  --video_path data/videos/video_shu.mp4 \
  --save_dir data/videos_result/video_shu_v2.avi \
  --vertical_screen

使用背景图片，得到替换背景的视频。

python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \
  --video_path data/videos/video_heng.mp4 \
  --bg_img_path data/images/bg_2.jpg \
  --use_post_process \
  --save_dir data/videos_result/video_heng_v2_withbg_usepostprocess.avi

此外可以使用 DIS（Dense Inverse Search-basedmethod）光流后处理算法 (要求opencv-python版本大于4.0)，减少视频预测前后帧闪烁的问题。

python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \
  --video_path data/videos/video_shu.mp4 \
  --save_dir data/videos_result/video_shu_v2_use_optic_flow.avi \
  --vertical_screen \
  --use_optic_flow

3）摄像头输入进行分割

开启电脑摄像头（横屏），进行实时肖像分割。

python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml

开启电脑摄像头（横屏），添加背景图像，进行实时肖像分割。

python src/seg_demo.py \
  --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \
  --bg_img_path data/images/bg_2.jpg

视频分割结果如下：

背景替换结果如下：

5.4 在线运行教程

基于PP-HumanSeg V1版本的AI Studio在线运行教程。

基于PP-HumanSeg V2版本的AI Studio在线运行教程。

6 训练微调

由于分割任务的场景变化很大，大家需要根据实际场景评估PP-HumanSeg系列模型的精度。 如果开源模型满足业务要求，可以直接应用到产品中。如果不满足业务要求，大家可以收集、标注数据，基于开源模型进行Finetune。

我们以PP-HumanSeg通用人像分割模型为例，介绍训练、评估、导出的方法。

6.1 准备

参考前文"快速体验 - 准备环境"，安装Paddle和PaddleSeg。

执行如下命令，下载mini_supervisely数据集，具体参考前文"快速体验 - 准备模型和数据"。

python src/download_data.py

执行如下命令，下载预训练权重。

python src/download_pretrained_models.py

6.2 训练

配置文件保存在./configs目录下，如下。配置文件中，已经通过pretrained设置好预训练权重的路径。

configs
├── human_pp_humansegv1_lite.yml
├── human_pp_humansegv2_lite.yml
├── human_pp_humansegv1_mobile.yml
├── human_pp_humansegv2_mobile.yml
├── human_pp_humansegv1_server.yml

执行如下命令，进行模型微调（大家需要根据实际情况修改配置文件中的超参）。模型训练的详细文档，请参考链接。

export CUDA_VISIBLE_DEVICES=0 # Linux下设置1张可用的卡
# set CUDA_VISIBLE_DEVICES=0  # Windows下设置1张可用的卡
python ../../tools/train.py \
  --config configs/human_pp_humansegv2_lite.yml \
  --save_dir output/human_pp_humansegv2_lite \
  --save_interval 100 --do_eval --use_vdl

6.3 评估

执行如下命令，加载模型和训练好的权重，进行模型评估，输出验证集上的评估精度。模型评估的详细文档，请参考链接。

python ../../tools/val.py \
  --config configs/human_pp_humansegv2_lite.yml \
  --model_path pretrained_models/human_pp_humansegv2_lite_192x192_pretrained/model.pdparams

6.4 预测

执行如下命令，加载模型和训练好的权重，对单张图像进行预测，预测结果保存在./data/images_result目录下的added_prediction和pseudo_color_prediction文件夹中。

python ../../tools/predict.py \
  --config configs/human_pp_humansegv2_lite.yml \
  --model_path pretrained_models/human_pp_humansegv2_lite_192x192_pretrained/model.pdparams \
  --image_path data/images/human.jpg \
  --save_dir ./data/images_result

6.5 导出

执行如下命令，加载模型和训练好的权重，导出预测模型。模型导出的详细文档，请参考链接。

python ../../tools/export.py \
  --config configs/human_pp_humansegv2_lite.yml \
  --model_path pretrained_models/human_pp_humansegv2_lite_192x192_pretrained/model.pdparams \
  --save_dir output/human_pp_humansegv2_lite \
  --without_argmax \
  --with_softmax

注意，使用--without_argmax --with_softmax参数，则模型导出的时候，模型最后面不会添加Argmax算子，而是添加Softmax算子。 所以，输出是浮点数类型，表示前景的概率，使得图像融合的边缘更为平滑。

7 部署

导出PP-HumanSeg人像分割模型后，可以和其他分割模型类似，使用预测引擎进行部署，实现更快的推理速度。

服务器端Python部署，请参考教程。

服务器端C++部署，请参考教程。

移动端部署教程，请参见教程。

Web端部署教程，请参见教程。