MMSeg 使用

最新推荐文章于 2025-05-26 15:05:19 发布

Crazy - ?

最新推荐文章于 2025-05-26 15:05:19 发布

阅读量429

点赞数

CC 4.0 BY-SA版权

文章标签： python 人工智能学习深度学习分类

本文链接：https://blog.csdn.net/weixin_46310125/article/details/128984390

本文介绍了MMSeg的安装、推理以及可视化步骤。通过命令行或Python API进行推理，并展示了自定义数据集的处理方法，包括数据集类的修改和配置文件的调整。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MMSeg 使用

MMSeg

在这里插入图片描述

MMSeg 安装

参考官方安装
在基于MMDet安装后，运行类似安装代码

git clone https://github.com/open-mmlab/mmsegmentation.git
cd mmsegmentation
pip install -e .

验证安装
如果下载完成，且当前目录下多了两pspnet*的文件则安装成功

mim download mmsegmentation --config pspnet_r50-d8_512x1024_40k_cityscapes --dest .

MMSet 推理

命令行推理

在mmsegmentation目录下运行

!python demo/image_demo.py \
		demo/demo.png \
		configs/*  \  # 配置文件路径
		https://download*  \  # 配置文件的预训练模型pth路径
		--out-file output.jpg \
		--device cuda:0 \
		--opacity 0.5  # mask可视化结果的透明度

python api 推理

最后分割结果就会保存在result这个变量中
result:

pred_sem_seg: shape(1, H, W)，值为 0 ~ classes，可以使用matplotlib绘图
seg_logits： shape(classes, H, W)，值为概率

from mmseg.apis import init_segmentor, inference_segmentor, show_result_pyplot
from mmseg.core.evaluation import get_palette

import matplotlib.pyplot as plt

config_file = 'config.py'
checkpoint_file = 'config.pth'
model = init_segmentor(config_file, checkpoint_file, device='cuda:0')

img = 'test.png'
result = inference_segmentor(model, img)

可视化

opactiy：透明度，值越小越接近原图

vision_img = show_result_pyplot(model, img, result, opacity=.5, out_file="output.jpg")
plt.imshow(vision_img[..., ::-1])

自定义数据集

images: 原图片（jpg）
labels: mask图（png），标注文件。内部的值为 0 ~ classes，所以肉眼不可见，可以用matploblib归一化后显示

自定义数据集类

from mmseg.registry import DATASETS
from mmseg.datasets import BaseSegDataset

@DATASETS.register_module()
class CoutomNameDataset(BaseSegDataset):
	# classes：所有类名
	# palette: 调色板
	METAINFO = dict(classes=classes, palette=palette)
	def __init__(self, **kwargs):
		super().__init__(img_suffix=".jpg", seg_map_suffix=".png", **kwargs)

随后修改配置文件，类似于MMDet过程