Merge branch 'develop' of https://github.com/PaddlePaddle/PaddleSeg into humanseg

README.md

@@ -121,7 +121,7 @@ pip install -r requirements.txt
 |U-Net图像分割|[点击体验](https://aistudio.baidu.com/aistudio/projectDetail/102889)|
 |DeepLabv3+图像分割|[点击体验](https://aistudio.baidu.com/aistudio/projectDetail/226703)|
 |工业质检（零件瑕疵检测）|[点击体验](https://aistudio.baidu.com/aistudio/projectdetail/184392)|
-|人像分割|[点击体验](https://aistudio.baidu.com/aistudio/projectdetail/188833)|
+|人像分割|[点击体验](https://aistudio.baidu.com/aistudio/projectdetail/475345)|
 |PaddleSeg特色垂类模型|[点击体验](https://aistudio.baidu.com/aistudio/projectdetail/226710)|
 
 ## FAQ

contrib/HumanSeg/README.md

@@ -184,3 +184,7 @@ python quant_online.py --model_type HumanSegMobile \
 * `--learning_rate`: 初始学习率
 * `--num_epochs`: 训练轮数
 * `--image_shape`: 网络输入图像大小（w, h）
+
+## AIStudio在线教程
+
+我们在AI Studio平台上提供了人像分割在线体验的教程，[点击体验](https://aistudio.baidu.com/aistudio/projectdetail/475345)

contrib/HumanSeg/requirements.txt

-visualdl == 2.0.0-alpha.1
+visualdl == 2.0.0b1
 paddleslim

contrib/LaneNet/requirements.txt

@@ -9,4 +9,4 @@ opencv-python
 tqdm
 requests
 sklearn
-visualdl == 2.0.0-alpha.2
+visualdl == 2.0.0b1

contrib/README.md

@@ -40,7 +40,7 @@ PaddleSeg提供了基于LaneNet的车道线分割模型，更多详情请点击[
 U-Net
 
 ### 2. 数据准备
- 
+
 执行以下命令下载并解压数据集，数据集将存放在contrib/MechanicalIndustryMeter文件夹下：
 
 ```
@@ -56,8 +56,8 @@ python ./pretrained_model/download_model.py unet_bn_coco
 ### 4. 训练与评估
 
 ```
-export CUDA_VISIBLE_DEVICES=0 
-python ./pdseg/train.py --log_steps 10 --cfg contrib/MechanicalIndustryMeter/unet_mechanical_meter.yaml --use_gpu --do_eval --use_mpio 
+export CUDA_VISIBLE_DEVICES=0
+python ./pdseg/train.py --log_steps 10 --cfg contrib/MechanicalIndustryMeter/unet_mechanical_meter.yaml --use_gpu --do_eval --use_mpio
 ```
 
 ### 5. 可视化
@@ -71,18 +71,18 @@ python ./contrib/MechanicalIndustryMeter/download_unet_mechanical_industry_meter
 
 ```
 python ./pdseg/vis.py --cfg contrib/MechanicalIndustryMeter/unet_mechanical_meter.yaml --use_gpu --vis_dir vis_meter \
-TEST.TEST_MODEL "./contrib/MechanicalIndustryMeter/unet_mechanical_industry_meter/" 
+TEST.TEST_MODEL "./contrib/MechanicalIndustryMeter/unet_mechanical_industry_meter/"
 ```
 可视化结果会保存在./vis_meter文件夹下。
 
 ### 6. 可视化结果示例：
 
   原图：
-  
+
   ![](MechanicalIndustryMeter/imgs/1560143028.5_IMG_3091.JPG)
-  
+
   预测结果：
-  
+
   ![](MechanicalIndustryMeter/imgs/1560143028.5_IMG_3091.png)
 
 ## AIStudio在线教程
@@ -92,5 +92,5 @@ PaddleSeg在AI Studio平台上提供了在线体验的教程，欢迎体验：
 |教程|链接|
 |-|-|
 |工业质检|[点击体验](https://aistudio.baidu.com/aistudio/projectdetail/184392)|
-|人像分割|[点击体验](https://aistudio.baidu.com/aistudio/projectdetail/188833)|
+|人像分割|[点击体验](https://aistudio.baidu.com/aistudio/projectdetail/475345)|
 |特色垂类模型|[点击体验](https://aistudio.baidu.com/aistudio/projectdetail/226710)|

contrib/RemoteSensing/requirements.txt

-visualdl >= 2.0.0-alpha.2
+visualdl == 2.0.0b1

docs/model_export.md

@@ -2,7 +2,7 @@
 
 通过训练得到一个满足要求的模型后，如果想要将该模型接入到C++预测库或者Serving服务，我们需要通过`pdseg/export_model.py`来导出该模型。
 
-该脚本的使用方法和`train.py/eval.py/vis.py`完全一样
+该脚本的使用方法和`train.py/eval.py/vis.py`完全一样。
 
 ## FLAGS
 
@@ -12,10 +12,10 @@
 
 ## 使用示例
 
-我们使用[训练/评估/可视化](./usage.md)一节中训练得到的模型进行试用，脚本如下
+我们使用[训练/评估/可视化](./usage.md)一节中训练得到的模型进行试用，命令如下
 
 ```shell
-python pdseg/export_model.py --cfg configs/unet_pet.yaml TEST.TEST_MODEL test/saved_models/unet_pet/final
+python pdseg/export_model.py --cfg configs/unet_optic.yaml TEST.TEST_MODEL ./saved_model/unet_optic/final
 ```
 
 预测模型会导出到`freeze_model`目录，用于`C++`或者`Python`预测的模型配置会导出到`freeze_model/deploy.yaml`下

requirements.txt

@@ -2,4 +2,4 @@ pre-commit
 yapf == 0.26.0
 flake8
 pyyaml >= 5.1
-visualdl == 2.0.0-alpha.2
+visualdl == 2.0.0b1