轻量级人像分割深度学习模型PP-HumanSeg易语言调用

z13228604287

百度PaddlePaddle团队发布的PP-HumanSeg人像分割模型，功能挺强的，不得不说百度是在BAT三家公司里做技术最扎实的源码地址：https://github.com/PaddlePaddle/PaddleSeg
。我编写了一套使用易语言 OpenCV 部署PP-HumanSeg肖像分割的程序，彻底摆脱对任何深度学习框架的依赖，onnx模型文件很小，只有5.9M。这是程序读取一张人像图片的运行结果，左于是边是原图，右边是程序运行结果图。

易语言调用实现：
1.类

  

窗口程序集名	保 留	保 留	备 注
PP_HumanSeg, , 公开
变量名	类 型	数组	备 注
输入宽	整数型
输入高	整数型
置信_阈值	小数型
DNN网络	网络类

子程序名	返回值类型	公开	备 注
_初始化			当基于本类的对象被创建后，此方法会被自动调用

输入宽 ＝ 192
输入高 ＝ 192
置信_阈值 ＝ 0.5
DNN网络 ＝ 视觉_读取网络 (“C:\Users\hanyo\Desktop\PP-HumanSeg\model_float32.onnx”, , “”)

子程序名	返回值类型	公开	备 注
_销毁			当基于本类的对象被销毁前，此方法会被自动调用

子程序名	返回值类型	公开	备 注
推理	多维矩阵类
参数名	类 型	参考	可空	数组	备 注
输入图	多维矩阵类

变量名	类 型	静态	数组	备 注
图	多维矩阵类
斑点	多维矩阵类
输数数组	多维矩阵类		0
输出_高	整数型
输出_宽	整数型
掩码_输出	多维矩阵类
分割图	多维矩阵类
结果图	多维矩阵类
行计次	整数型
分数	小数型
列计次	整数型
BGR	字节型		0
BGR新	双精度小数型		3

视觉_调整尺寸 (输入图, 图, 尺寸2i (输入宽, 输入高), #插值_双线性二次, 0, 1)
图.转换到 (图, #Cv小数型_三通道, 1 ÷ (255 × 0.5), -1)
斑点 ＝ 视觉_图像前景目标 (图, 1, , , 假, 假, 5)
DNN网络.设置输入 (斑点, “”, 1, )
DNN网络.前向计算V (输数数组, DNN网络.获取未连接的输出层名称 ())
' 后期处理。
输出_高 ＝ 输数数组 [1].维度元素数 (1)
输出_宽 ＝ 输数数组 [1].维度元素数 (2)
掩码_输出.指针初始化 (输出_高, 输出_宽, #Cv小数型_双通道, 输数数组 [1].数据指针 ())
视觉_调整尺寸 (掩码_输出, 分割图, 尺寸2i (输入图.列数 (), 输入图.行数 ()), 0, 0, 1)
结果图 ＝ 输入图.克隆 ()
变量循环首 (0, 输入图.行数 () － 1, 1, 行计次)
变量循环首 (0, 输入图.列数 () － 1, 1, 列计次)
分数 ＝ 指针到小数 (分割图.取元素指针 (行计次, 0) ＋ 列计次 × 2 × 4)
如果真 (分数 ＞ 置信_阈值)
BGR ＝ 输入图.取元素8U (行计次, 列计次)
BGR新 [1] ＝ BGR [1] × 0.5 ＋ 1  ' B
BGR新 [2] ＝ BGR [2] × 0.5 ＋ 1  ' G
BGR新 [3] ＝ BGR [3] × 0.5 ＋ 1  ' R
结果图.置元素V (行计次, 列计次, BGR新)

变量循环尾 ()
变量循环尾 ()
变量循环首 (0, 输入图.行数 () － 1, 1, 行计次)
变量循环首 (0, 输入图.列数 () － 1, 1, 列计次)
分数 ＝ 指针到小数 (分割图.取元素指针 (行计次, 0) ��� (列计次 × 2 ＋ 1) × 4)
如果真 (分数 ＞ 置信_阈值)
BGR ＝ 输入图.取元素8U (行计次, 列计次)
BGR新 [1] ＝ BGR [1] × 0.5 ＋ 1  ' B
BGR新 [2] ＝ (BGR [2] ＋ 255) × 0.5 ＋ 1  ' G
BGR新 [3] ＝ BGR [3] × 0.5 ＋ 1  ' R
结果图.置元素V (行计次, 列计次, BGR新)

变量循环尾 ()
变量循环尾 ()
返回 (结果图)

i支持库列表	支持库注释
OpenCV	(未知支持库)

.版本 2<br /> .支持库 OpenCV<br /> <br /> .程序集 PP_HumanSeg, , 公开<br /> .程序集变量 输入宽, 整数型<br /> .程序集变量 输入高, 整数型<br /> .程序集变量 置信_阈值, 小数型<br /> .程序集变量 DNN网络, 网络类<br /> <br /> .子程序 _初始化, , , 当基于本类的对象被创建后，此方法会被自动调用<br /> <br /> 输入宽 ＝ 192<br /> 输入高 ＝ 192<br /> 置信_阈值 ＝ 0.5<br /> DNN网络 ＝ 视觉_读取网络 (“C:\Users\hanyo\Desktop\PP-HumanSeg\model_float32.onnx”, , “”)<br /> <br /> .子程序 _销毁, , , 当基于本类的对象被销毁前，此方法会被自动调用<br /> <br /> <br /> <br /> .子程序 推理, 多维矩阵类, 公开<br /> .参数 输入图, 多维矩阵类<br /> .局部变量 图, 多维矩阵类<br /> .局部变量 斑点, 多维矩阵类<br /> .局部变量 输数数组, 多维矩阵类, , "0"<br /> .局部变量 输出_高, 整数型<br /> .局部变量 输出_宽, 整数型<br /> .局部变量 掩码_输出, 多维矩阵类<br /> .局部变量 分割图, 多维矩阵类<br /> .局部变量 结果图, 多维矩阵类<br /> .局部变量 行计次, 整数型<br /> .局部变量 分数, 小数型<br /> .局部变量 列计次, 整数型<br /> .局部变量 BGR, 字节型, , "0"<br /> .局部变量 BGR新, 双精度小数型, , "3"<br /> <br /> 视觉_调整尺寸 (输入图, 图, 尺寸2i (输入宽, 输入高), #插值_双线性二次, 0, 1)<br /> 图.转换到 (图, #Cv小数型_三通道, 1 ÷ (255 × 0.5), -1)<br /> 斑点 ＝ 视觉_图像前景目标 (图, 1, , , 假, 假, 5)<br /> DNN网络.设置输入 (斑点, “”, 1, )<br /> DNN网络.前向计算V (输数数组, DNN网络.获取未连接的输出层名称 ())<br /> ' 后期处理。<br /> 输出_高 ＝ 输数数组 [1].维度元素数 (1)<br /> 输出_宽 ＝ 输数数组 [1].维度元素数 (2)<br /> 掩码_输出.指针初始化 (输出_高, 输出_宽, #Cv小数型_双通道, 输数数组 [1].数据指针 ())<br /> 视觉_调整尺寸 (掩码_输出, 分割图, 尺寸2i (输入图.列数 (), 输入图.行数 ()), 0, 0, 1)<br /> 结果图 ＝ 输入图.克隆 ()<br /> .变量循环首 (0, 输入图.行数 () － 1, 1, 行计次)<br />     .变量循环首 (0, 输入图.列数 () － 1, 1, 列计次)<br />         分数 ＝ 指针到小数 (分割图.取元素指针 (行计次, 0) ＋ 列计次 × 2 × 4)<br />         .如果真 (分数 ＞ 置信_阈值)<br />             BGR ＝ 输入图.取元素8U (行计次, 列计次)<br />             BGR新 [1] ＝ BGR [1] × 0.5 ＋ 1  ' B<br />             BGR新 [2] ＝ BGR [2] × 0.5 ＋ 1  ' G<br />             BGR新 [3] ＝ BGR [3] × 0.5 ＋ 1  ' R<br />             结果图.置元素V (行计次, 列计次, BGR新)<br />         .如果真结束<br /> <br />     .变量循环尾 ()<br /> .变量循环尾 ()<br /> .变量循环首 (0, 输入图.行数 () － 1, 1, 行计次)<br />     .变量循环首 (0, 输入图.列数 () － 1, 1, 列计次)<br />         分数 ＝ 指针到小数 (分割图.取元素指针 (行计次, 0) ＋ (列计次 × 2 ＋ 1) × 4)<br />         .如果真 (分数 ＞ 置信_阈值)<br />             BGR ＝ 输入图.取元素8U (行计次, 列计次)<br />             BGR新 [1] ＝ BGR [1] × 0.5 ＋ 1  ' B<br />             BGR新 [2] ＝ (BGR [2] ＋ 255) × 0.5 ＋ 1  ' G<br />             BGR新 [3] ＝ BGR [3] × 0.5 ＋ 1  ' R<br />             结果图.置元素V (行计次, 列计次, BGR新)<br />         .如果真结束<br /> <br />     .变量循环尾 ()<br /> .变量循环尾 ()<br /> 返回 (结果图)

2.调用

  

窗口程序集名	保 留	保 留	备 注
小白鼠			QQ群：164579213

子程序名	返回值类型	公开	备 注
_启动子程序	整数型		本子程序在程序启动后最先执行

变量名	类 型	静态	数组	备 注
使用_视频	逻辑型
视频	视频采集类
人像分割	PP_HumanSeg
输入图片	多维矩阵类
输出图片	多维矩阵类
标题	文本型

使用_视频 ＝ 假
标题 ＝ “小白鼠 PP-HumanSeg Dome”
视觉_创建窗口 (标题, #窗口_标准 )
如果 (使用_视频)
视频.打开 (0, 0, )
如果真 (视频.已打开 () ＝ 假)
视觉_控制台输出 (“打不开视频。”, )
返回 (-1)
判断循环首 (视频.读 (输入图片))
输出图片 ＝ 人像分割.推理 (输入图片)
视觉_显示图像 (标题, 输出图片)
视觉_等待按键 (1)
判断循环尾 ()
视觉_销毁所有窗口 ()
输入图片.从字节集加载 ( #图片4, #读图_彩色 )
输出图片 ＝ 人像分割.推理 (输入图片)
视觉_创建窗口 (“输入”, #窗口_标准 )
视觉_显示图像 (“输入”, 输入图片)
视觉_显示图像 (标题, 输出图片)
视觉_等待按键 (0)
视觉_销毁所有窗口 ()

返回 (0)  ' 可以根据您的需要返回任意数值

i支持库列表	支持库注释
OpenCV	(未知支持库)

.版本 2<br /> .支持库 OpenCV<br /> <br /> .程序集 小白鼠, , , QQ群：164579213<br /> <br /> .子程序 _启动子程序, 整数型, , 本子程序在程序启动后最先执行<br /> .局部变量 使用_视频, 逻辑型<br /> .局部变量 视频, 视频采集类<br /> .局部变量 人像分割, PP_HumanSeg<br /> .局部变量 输入图片, 多维矩阵类<br /> .局部变量 输出图片, 多维矩阵类<br /> .局部变量 标题, 文本型<br /> <br /> 使用_视频 ＝ 假<br /> 标题 ＝ “小白鼠 PP-HumanSeg Dome”<br /> 视觉_创建窗口 (标题, #窗口_标准)<br /> .如果 (使用_视频)<br />     视频.打开 (0, 0, )<br />     .如果真 (视频.已打开 () ＝ 假)<br />         视觉_控制台输出 (“打不开视频。”, )<br />         返回 (-1)<br />     .如果真结束<br />     .判断循环首 (视频.读 (输入图片))<br />         输出图片 ＝ 人像分割.推理 (输入图片)<br />         视觉_显示图像 (标题, 输出图片)<br />         视觉_等待按键 (1)<br />     .判断循环尾 ()<br />     视觉_销毁所有窗口 ()<br /> .否则<br />     输入图片.从字节集加载 (#图片4, #读图_彩色)<br />     输出图片 ＝ 人像分割.推理 (输入图片)<br />     视觉_创建窗口 (“输入”, #窗口_标准)<br />     视觉_显示图像 (“输入”, 输入图片)<br />     视觉_显示图像 (标题, 输出图片)<br />     视觉_等待按键 (0)<br />     视觉_销毁所有窗口 ()<br /> <br /> .如果结束<br /> <br /> 返回 (0)  ' 可以根据您的需要返回任意数值

dikexu

新技能已get√

guyuelintian

感谢分享，很给力！~

nihaojingyi

好牛逼的样子

rzbhelx

ddle团队发布的PP-HumanSeg人像分割模型，功能挺强的，不得不说百d是在BAT三家

牙子

山川

不错 支持一下