PaddleSeg 是基于 PaddlePaddle 开发的语义分割库，覆盖了 DeepLabv3 +，U-Net，ICNet 三类主流的分割模型。通过统一的配置，帮助用户更方便地完成从训练到部署的全流程图像分割应用。
## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle
## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
PaddleSeg 具有高效，丰富的数据增强，工业级部署，全流程应用的特点：
- 丰富的数据增强
基于百度视觉技术部的实际业务经验，内置10+种数据增强策略，可结合实际业务场景进行定制组合，提升模型泛化能力和鲁棒性。
- 主流模型覆盖
支持U-Net，DeepLabv3 +，ICNet三类主流分割网络，结合预训练模型和可调节的骨干网络，满足不同性能和精度的要求。
- 高效
PaddleSeg支持多进程IO，多卡并行，跨卡批量Norm同步等训练加速策略，结合飞轮核心框架的显存优化功能，可以大幅度减少分割模型的显着体积，从而完成分割模型训练。
- 工业级部署
基于Paddle Serving和PaddlePaddle的高级预测引擎，结合百度开放的AI能力，轻松构建人像分割和车道线分割服务。
