MMSegmentation 新手上手指南：20 分钟跑通语义分割并训练出自己的模型

MMSegmentation 新手上手指南：20 分钟跑通语义分割并训练出自己的模型

【免费下载链接】mmsegmentationOpenMMLab Semantic Segmentation Toolbox and Benchmark.项目地址: https://gitcode.com/GitHub_Trending/mm/mmsegmentation

把一张街景图里的汽车、行人、马路自动区分开，靠的就是语义分割（让模型判断图像中每个像素属于哪一类物体）。用 MMSegmentation——OpenMMLab 推出的语义分割工具包——你可以从装好环境、跑通一个预训练模型，到用自己的数据训练并评估模型，大约 20 分钟走完一遍。

项目名片：MMSegmentation 是什么

MMSegmentation 是一个基于 PyTorch 的语义分割工具箱，把"选模型、准备数据、训练、评估、可视化"这些事收在同一个代码库里，让你不用为每个算法单独翻论文复现代码。

它的三条核心卖点：

• 模块化拆解 → 对你意味着什么：分割框架被拆成 backbone（负责提取图像特征的基础网络）、neck（融合多尺度特征的中段）、head（输出每个像素类别的头）等可插拔组件，换算法时只改配置，不用重写整条流水线。
• 统一评测基准 → 对你意味着什么：PSPNet、DeepLabV3、SegFormer 等几十种模型都在同一套数据和评估口径下跑，你横向比较性能时不用担心"数据不一样、结论不可信"。
• 开箱即用的预训练权重 → 对你意味着什么：每个模型都提供现成 checkpoint，下载后一条命令就能出图，先看效果再决定是否要自己训练。

先选模型再动手：三类算法各适合什么场景

别急着装环境，先想清楚你要解决什么——这决定了你该挑哪一类模型。仓库在configs/下按算法分目录，下面这张表帮你先定方向：

👉 新手建议先跟 PSPNet 走：预训练权重齐全、文档多，卡住时最容易找到答案。

搭好开发环境：一条命令装好 GPU 版

系统要求：Python 3.7+、PyTorch 1.8+；用 GPU 还需 CUDA 10.2+。先建一个干净的 conda 环境，再按设备装 PyTorch。

GPU 机器：

conda create -n openmmlab python=3.8 -y conda activate openmmlab conda install pytorch torchvision -c pytorch

CPU 机器把最后一行换成：

conda install pytorch torchvision cpuonly -c pytorch

装好 PyTorch 后，用 MIM 装 MMEngine 和 MMCV（MMCV 是 OpenMMLab 的底层工具库，MIM 能自动帮你匹配好版本，避免手动对依赖）：

pip install -U openmim mim install mmengine mim install "mmcv>=2.0.0"

最后装 MMSegmentation 本体，两条路线二选一。想改代码、看实现，走源码安装；只是当依赖库用，走 PyPI：

# 路线 A：源码安装（推荐，方便阅读和调试） git clone -b main https://gitcode.com/GitHub_Trending/mm/mmsegmentation cd mmsegmentation pip install -v -e . # 路线 B：PyPI 安装 pip install "mmsegmentation>=1.0.0"

验证装没装成功：用 MIM 拉一份 PSPNet 的配置和权重，再跑一张仓库自带的示例图。

mim download mmsegmentation --config pspnet_r50-d8_4xb2-40k_cityscapes-512x1024 --dest . python demo/image_demo.py demo/demo.png pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth --device cuda:0 --out-file result.jpg

跑完后当前目录会多出一个result.jpg，打开它能看到街景图上叠了一层彩色分割区域——只要这张图正常生成，就说明环境装好了。装得细一点的内容见 docs/zh_cn/get_started.md。

跑通第一次分割：输入一张图，得到一张带颜色的图

先说你要什么结果：给一张街景图，拿回一张"每个像素都涂了类别颜色"的图。仓库里的demo/demo.png就是现成输入，下面这段代码做的就是"加载模型 → 推理 → 存图"三件事。

from mmseg.apis import inference_model, init_model, show_result_pyplot config_file = 'pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py' checkpoint_file = 'pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth' model = init_model(config_file, checkpoint_file, device='cuda:0') # 没 GPU 就写 device='cpu' img = 'demo/demo.png' result = inference_model(model, img) show_result_pyplot(model, img, result, show=True, out_file='result.jpg', opacity=0.5)

运行后show_result_pyplot会弹出一张叠加了半透明色块的图，同时把result.jpg写到磁盘；opacity=0.5控制颜色层的透明度，调小一点能看清原图细节。

视频分割是把同样的模型逐帧跑一遍。最省事的办法是直接调用仓库里的脚本，加--show实时预览，或用--output-file存成视频：

python demo/video_demo.py video.mp4 pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth --show

⚠️ 视频只是把单帧推理循环了 N 次，帧数多时会比较慢，先拿几秒钟的短片段试。

训一个自己的模型：数据 → 训练 → 评估

数据准备。以 Cityscapes 为例：把数据集解压到data/cityscapes/（要含leftImg8bit/和gtFine/两套目录），再跑转换脚本把它整理成工具包认得的格式。这一步的作用是把原始标注转成统一的.npy标签，之后训练就不用再关心原始格式：

python tools/dataset_converters/cityscapes.py data/cityscapes --nproc 8

预期结果：data/cityscapes/下多出一批*.npy文件，说明标注已经就位。目录细节看 docs/zh_cn/user_guides/2_dataset_prepare.md。

训练。选一份配置直接起训，检查点和日志会自动存进work_dirs/下与配置同名的目录：

python tools/train.py configs/pspnet/pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py

预期结果：终端里滚出Iter日志，GPU 占用上升；跑完后work_dirs/pspnet_r50-d8_4xb2-40k_cityscapes-512x1024/里会有latest.pth和若干 checkpoint。多卡训练则用bash tools/dist_train.sh <配置> 8，把 8 换成你的卡数。

评估。用训好的权重在验证集上算 mIoU（平均交并比，衡量分割准不准的指标，越高越好）：

python tools/test.py configs/pspnet/pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py work_dirs/pspnet_r50-d8_4xb2-40k_cityscapes-512x1024/latest.pth --eval mIoU

预期结果：终端打印出整体 mIoU 以及每个类别的 IoU，数字越高说明模型分得越准。更多训练/测试参数见 docs/zh_cn/user_guides/4_train_test.md。

踩坑急救：三个高频问题

No module named 'mmcv'原因：MMCV 版本和 PyTorch 没对上，或根本没装。 解法：pip uninstall mmcv清干净，再用mim install "mmcv>=2.0.0"重装，让 MIM 帮你匹配版本。

推理时 CUDA 报错 / 找不到显卡原因：PyTorch 的 CUDA 版本和驱动不匹配。 解法：装 PyTorch 时按官网对应驱动的版本选；只想在 CPU 上跑，把配置里和命令中的device都改成cpu即可。

评估时类别数对不上（mIoU 全是 0 或报错）原因：配置文件里的num_classes和数据集真实类别数不一致。 解法：打开你用的配置文件，把num_classes改成与数据集一致的类别数再重跑。

更多问题可以翻 docs/zh_cn/notes/faq.md，里面有版本对照表和逐项排查。

继续深入

想把手感练得更扎实，按这个顺序往下看就行：

• 官方 Notebook demo/MMSegmentation_Tutorial.ipynb：从建模型到推理的完整可交互例子。
• 用户指南 docs/zh_cn/user_guides/index.rst：配置、数据、推理、训练、部署逐章讲。
• 进阶指南 docs/zh_cn/advanced_guides/index.rst：教你怎么自定义模型、加数据集、改数据流。
• 社区项目 projects/：医疗影像、遥感等真实落地的扩展案例。

👉 回到开头那张街景图：等你把环境、推理、训练、评估这条线跑通，想再分"卡车、自行车、红绿灯"，只需要换一份配置、标好数据，就能继续往下走了。

【免费下载链接】mmsegmentationOpenMMLab Semantic Segmentation Toolbox and Benchmark.项目地址: https://gitcode.com/GitHub_Trending/mm/mmsegmentation