[General Issue] PaddleSeg是否合适大分辨率的PCB主板检测

[monkeycc]

9000*9000 PaddleSeg是否合适大分辨率的PCB主板检测

如何检测 好的 和 坏的

实例分割还是语义分割 ？

比如检测漏的 怎么标识 在哪里漏？

标注要怎么标注
是否要先分割裁剪

原图9000*9000 怎么进行预测 强制裁剪 会导致部分细节 裁没了

[juncaipeng]

请问具体是什么任务，缺陷分割吗？ 大尺寸图像，建议划分为重叠的小图进行训练和预测。应该是使用语义分割。标注为背景和瑕疵两类即可，可以参考PaddleSeg标注教程。

[monkeycc]

重叠裁剪之后 预测

最后如何合并图像 在原图上 显示缺陷的位置 @juncaipeng

[juncaipeng]

paddleseg的预测支持了重叠裁剪预测，重叠区域会取均值。

[monkeycc]

原图 90009000 训练图尺寸是640640

导出模型 input_shape 这个不知道 怎么设置

对应的配置 是否是 python predict.py --is_slide True --stride 640 640 --crop_size 512 512

但是 --stride 640 640 --crop_size 512 512 不清楚 是不是这样改 不知道是否合理

Python 部署 python deploy/python/infer.py 没有is_slide stride crop_size
怎么办

预测9000*9000 要好几秒 应该用什么方法 才能控制在500毫秒之内

@juncaipeng

[juncaipeng]

predict.py输入参数，crop_size应该设置为640， stride应该设置为小于等于640。 infer.py不支持滑动窗口预测，只支持原图大小输入，建议自己进行裁剪和拼接。

[monkeycc]

python 部署 是不是可以直接用 predict.py 来预测

比 infer.py 速度上 是否一样

predict.py 滑动窗口预测 要1-2秒 有没办法缩短这个时间 ？？

@juncaipeng

[juncaipeng]

使用预测模型+infer.py(python api)部署会更快。 最好使用预测模型+ cpp api部署，速度最快。

[github-actions[bot]]

This issue has been automatically marked as stale because it has not had recent activity. It will be closed in 7 days if no further activity occurs. Thank you for your contributions.