---license: Apache License 2.0 tasks:- Domain-Specific Large Models- Image Segmentation---# 通用图像分割## 1. 任务简介图像分割任务作为计算机视觉基础任务之一，被广泛用于街景分割、医学图像分割、道路分割等场景。本产线提供了不同精度和性能的图像分割模型，包括高精度模型OCRNet和PaddleSeg团队开发的轻量级模型PP-LiteSeg，点击右上角 `创建模型产线` 选择配置好的GPU、CPU环境，可以快速体验效果。下图展示了使用PP-LiteSeg模型进行街景分割的效果：<center><img src="https://user-images.githubusercontent.com/48357642/201077761-3ebeda52-b15d-4913-b64c-0798d1f922a5.png" width="400"> <img src="https://user-images.githubusercontent.com/48357642/201077985-29954838-9df6-4ab4-9f91-23e9a20be513.png" width="400"> </center>## 2. 模型选择和训练本产线考虑精度和性能的不同需求，提供了 OCRNet、PP-LiteSeg两种方案，可点击右上角 `创建模型产线` 体验两种方案的效果。当通用任务无法满足特定场景时，推荐基于自有数据进行模型训练：| 场景方案 | mIoU (%) | GPU 推理耗时(ms) | CPU 推理耗时(ms) | 模型存储大小 (M)| 启动训练 | | -------- | -------- | -------- | -------- | --- | -- || OCRNet | 82.15 | 158.60 | 3011.93 | 270 |[训练](https://aistudio.baidu.com/aistudio/modelsdetail?modelId=276)|| PP-LiteSeg | 77.04 | 7.55 | 208.67 | 31 |[训练](https://aistudio.baidu.com/aistudio/modelsdetail?modelId=14)|**注：GPU 推理耗时基于 NVIDIA Tesla V100 机器，精度类型为 FP32， CPU 推理速度基于 Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz，线程数为10，精度类型为 FP32。**## 3. 模型部署- 部署支持情况：| 操作系统 | 支持硬件 | 支持接口 || -------- | -------- | -------- || Windows/Linux | NV GPU / X86 CPU | C++ / Python |- 部署流程：1、点击右上角 `创建模型产线` ，完成模型训练流程后，根据实际部署硬件等情况，选择下载 `FastDeploy` 部署包到本地，其中包括部署代码和预测模型；2、参考部署包里面的Readme使用说明，在目标硬件上进行部署。**注意：如果需要手动更新预测模型，可以直接修改部署包中的预测模型。**