本项目修改自:
Image-segmentation
在原先基础上实现了跨平台的CPU推理运行
但是训练还是需要GPU,所以你可能得安装两个环境
强烈建议使用conda等虚拟环境进行配置
结构如下:

.
├── README.md
├── __pycache__
│   ├── dataset.cpython-311.pyc
│   ├── dataset.cpython-39.pyc
│   ├── densenet.cpython-311.pyc
│   ├── densenet.cpython-39.pyc
│   ├── model.cpython-311.pyc
│   └── model.cpython-39.pyc
├── chuli.py
├── chuli2.py
├── data.json
├── dataset.py
├── densenet.py
├── densenet121-a639ec97.pth
├── images
│   └── data
│       ├── test
│       │   ├── img
│       │   └── mask
│       └── train
│           ├── img
│           └── mask
├── initial.py
├── input
├── mask
├── mask.py
├── model.py
├── outmask
├── output
├── output.py
├── parameters_densenet121
│   ├── deconv_model.pth
│   └── feature_model.pth
├── requirements.txt
├── run.bat
├── run.command
├── test.py
├── tool_dataset2data.py
├── tool_img2data.py
├── tool_img2mask.py
├── tool_json2dataset.py
├── tool_torhc2onnx.py
├── train.py
├── ui3.11.py
└── ui3.12.py

项目介绍

本项目是简单的基于FCN-Densenet的图像前后景分割项目
macOS和Windows都可以运行

效果演示

4k3模型黑色背景抠图

4k4模型黑色背景抠图

调整scale后

调整scale可以改变二值化mask的阈值来改变消去强度

快速开始

文件结构

input 输入的待处理图像
output 输出的文档
mask 模型推理出的mask图
outmask经过二值化的mask图 parameters_densenet121模型存放处(可自行替换)
data.json内存放了处理参数,其中
scale的值代表二值化处理时的强度(0-255)
color代表输出是被扣去的部分所填充内容

white	black	none
白色	黑色	透明

back代表是否反向mask

true	false
仅输出反向mask的结果	仅输出普通mask的结果

推理

选择模型

模型下载地址
下载解压后放到parameters_densenet121即可

模型名称	特性
4k1	早期模型,不推荐
4k2	擅长单对象处理
4k3	擅长单对象前景,效果不错
4k4	擅长多对象前景扣除,推荐,且本仓库默认装载
4k5	擅长单对象前景,效果不错

配置环境

命令行内使用
pip install -r requirements.txt
requirements写的不太认真,如果有错误请自行解决

命令行

python initial.py
python test.py
python mask.py
python output.py

批处理

运行run.bat或run.command即可
相信Linux用户不需要批处理

GUI

运行python ui3.12.py即可

训练

数据集

将数据集分为原图和mask图分别放置在train和test文件夹中的img和mask文件夹中
请不要使用相同的数据

训练

根据自己的数据集和自己的硬件设置参数后运行train.py
在命令行中使用时可以从命令行中设置部分参数

--train_dir	--val_dir	--check_dir
training dataset	test dataset	save checkpoint parameters
--q	--b	--e
save checkpoint parameters	batch size	epoches
--svae_interval
svae interval

学习率自己手动改train.py去吧,所以其实上面的参数并没有什么卵用(反正都得改)