pytorch+u2net实现天空分割（二）

本文主要是介绍pytorch+u2net实现天空分割（二），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

距离上次天空分割过去有些时间了，最近我把对上一版做了一些优化。

1、进一步增大训练用数据集。希望对于天空与前景边界不明显的问题，做出优化。
2、原训练模型172M，这次训练后模型51M。在Ubuntu上使用CPU推理，配置为2核4G，推理过程中，内存占用减少到300~400M，CPU占用量貌似没有减少，使用时间约2-3s。原谅我技术太菜，也不知道什么原因。

限于我本人没有显卡可以训练模型，只能租用服务商的机器。但是机器太贵了，所以没有等损失值降到很低就停止了，钱包罩不住啊😂。到后面想降一点点都很难，罢了罢了。

在这里插入图片描述

可以看到在处理大片天空的时候效果更好，而处理很多小片天空时，则效果不佳。后面会放上数据集，有想继续优化的可以自己尝试下。

既然天空分割已经做了，那就在这个基础上，再做点其他好玩的吧，哈哈。
这里使用了opencv的seamlessClone进行图片融合。还别说，有点感觉。

在这里插入图片描述

这里给出资源，包括175张训练用数据集、已经训练好的onnx模型、onnxruntime推理脚本，配置环境后可直接运行。如果你对结果不满意，也可以使用数据集，对模型继续进行训练。

资源路径：[pytorch+u2net实现天空分割，可用于替换天空变天效果]

主业前端程序猿一枚。图片处理方面，作为业余爱好。如有错误，请各位大佬轻喷，谢谢！！😂

更多其他功能，可以扫下方二维码体验：
在这里插入图片描述

这篇关于pytorch+u2net实现天空分割（二）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！