Visualizza come markdown

PP-LiteSeg

PP-LiteSeg assigns a semantic class to each pixel using an STDC backbone and a fusion decoder.

Task
semantic segmentation
Installa
pip install libreyolo
Livello di supporto
Supportato, dalla v1.6.0. Modelli addestrabili di supporto: mantenuti funzionanti nella CI, ricevono nuove funzionalità quando possibile.
Licenze
Codice MIT, pesi Apache-2.0. Uso commerciale

Install

bash
pip install "libreyolo"

Predict

Python
from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibrePPLiteSegt50-sem.pt", device="cpu")result = model(SAMPLE_IMAGE)print(result.semantic_mask)

The t50 and b50 variants evaluate at (512, 1024); t75 and b75 evaluate at (768, 1536). Dimensions are (height, width).

Train

Training defaults to 800 epochs, batch 8 and amp=False. The default crop is (512, 1024) for t50/b50 and (768, 768) for t75/b75. Validation keeps the native rectangle. The recipe combines cross-entropy, Dice and edge losses with auxiliary heads.

Dataset setup describes the required training data.

Python
from libreyolo import LibreYOLO model = LibreYOLO("LibrePPLiteSegt50-sem.pt", device="cpu")# Semantic segmentation dataset YAML: images plus single-channel class-ID masks.model.train(data="path/to/your/semantic.yaml", epochs=1, device="cpu", workers=0)

Validate

Python
from libreyolo import LibreYOLO model = LibreYOLO("LibrePPLiteSegt50-sem.pt", device="cpu")# Semantic segmentation dataset YAML with 19 Cityscapes classes, like cityscapes.yaml.metrics = model.val(data="path/to/your/semantic.yaml", workers=0)print(metrics)

Use the dataset format for this task. Validation explains the dataset requirements and returned metrics.

Export

TaskONNXTorchScriptExecuTorchTensorRTOpenVINOPaddleMNNRKNNncnnTFLiteCoreMLCore AI
Semantic segmentationSemantic segmentation to ONNX: supportatoSemantic segmentation to TorchScript: supportatoSemantic segmentation to ExecuTorch: non supportatoSemantic segmentation to TensorRT: supportatoSemantic segmentation to OpenVINO: supportatoSemantic segmentation to Paddle: non supportatoSemantic segmentation to MNN: non supportatoSemantic segmentation to RKNN: non supportatoSemantic segmentation to ncnn: non supportatoSemantic segmentation to TFLite: non supportatoSemantic segmentation to CoreML: non supportatoSemantic segmentation to Core AI: non supportato
Python
from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibrePPLiteSegt50-sem.pt", device="cpu")model.export(format="onnx")

Export setup lists format dependencies and loading exported artifacts.

Checkpoints

FileLicenza dei pesi
Semantic segmentation
LibrePPLiteSegt50-sem.ptapache-2.0
LibrePPLiteSegb50-sem.ptapache-2.0
LibrePPLiteSegt75-sem.ptapache-2.0
LibrePPLiteSegb75-sem.ptapache-2.0

Oggi tutti i file elencati sopra sono presenti nell<link>organizzazione LibreYOLO</link> e vengono scaricati al primo utilizzo.

Licensing

Controlla la licenza nel repository Hugging Face degli specifici pesi che scarichi. Ogni checkpoint nell<link>organizzazione LibreYOLO</link> ne include una e non è sempre la stessa per tutta la famiglia. Quel repository è la fonte autorevole; il riepilogo seguente descrive le condizioni applicabili al momento dellultima verifica di questa pagina.

Questa è una descrizione delle licenze coinvolte, non una consulenza legale. Se la risposta è importante a fini commerciali, leggi personalmente le licenze e chiedi una consulenza indipendente.

Lavoro originale
PP-LiteSeg, PaddlePaddle
Licenza upstream
Apache-2.0
Sorgente upstream
github.com/PaddlePaddle/PaddleSeg
Codice LibreYOLO
MIT
Pesi
Apache-2.0, ripubblicati su huggingface.co/LibreYOLO
Interpretazione
The upstream implementation declares Apache-2.0. The STDC backbone also carries its original MIT attribution. The released checkpoints are converted from the Deci-AI/super-gradients Cityscapes artifacts; SuperGradients is released under Apache-2.0 and grants separate weight licenses only for YOLO-NAS, so these checkpoints carry Apache-2.0.

Verificato con LibreYOLO v1.6.0. Le tabelle di supporto, i checkpoint e i dati dei benchmark in questa pagina vengono generati dalla libreria rilasciata e dai pesi pubblicati, non scritti a mano.

Architettura di PP-LiteSeg

Apri il diagramma completoSVG

Scegli una variante o la vista della famiglia, poi un blocco per i dettagli. Apri il diagramma completo per ingrandire o scaricare SVG e PNG. I diagrammi sono in inglese.