企业官网建设流程全解析

简介：这份压缩包面向深度学习与图像分割初学者及进阶开发者，提供基于segmentation_models.pytorch框架完成人物抠图（二分类语义分割）的完整实现方案。内容围绕框架调用、语义分割数据集加载、交叉熵与Dice Loss组合、WandB可视化等关键环节展开，并完整给出训练与预测两阶段的可运行工程代码。压缩包共2000个文件，包括大量png训练图、Python源码（py/pyc）、Dockerfile、说明文档等，整体约990MB；代码注释清晰、目录结构规整，适合边读博文边实践，也可直接下载后复现算法，节省环境与数据准备时间。通过该资源可重点掌握segmentation_models.pytorch的模型构建、二分类损失设计、训练监控及推理流程，也能借鉴其中的数据读取、验证集划分和预测结果保存等工程细节。目前已有1764人学习下载，是快速入门语义分割、落地人物抠图任务的实用参考。

1. segmentation_models.pytorch 为什么成了人物抠图的首选框架

把人物从背景里抠出来，听起来是图形软件的活儿，但遇到大批量图片、复杂发丝、逆光轮廓时，PS 套索和 GIMP 的魔术棒根本不抗造。segmentation_models.pytorch（简称 SMP）这类图像分割框架，把人物抠图变成像素级分类问题：模型输出一张每个像素属于前景还是背景的概率图，再转成 alpha 通道，就能得到透明 PNG。SMP 把 ResNet、EfficientNet 等预训练编码器和 UNet、DeepLabV3+ 这类解码器封装成一行代码，让抠图的落地成本压到一台 GPU 加几百张标注图，并且可以直接拿来做批量出图和二次开发。本文按我实际落地的路径走一遍：环境搭建、数据准备、模型训练、常见坑，以及最后交付透明图。新手能照做，熟手能拿去调参。

2. 环境搭建与数据准备：人物抠图的地基打在哪

2.1 安装 segmentation_models.pytorch：版本搭配与验证

SMP 本身是一个高层封装库，底层依赖 PyTorch、torchvision 和 timm。常见的翻车点不是 SMP 装不上去，而是 PyTorch 版本和 CUDA 版本对不上，或者 import 的时候报找不到timm。我一般会先创建一个干净的 conda 环境，把 PyTorch 装好，再装 SMP，顺序反了容易出现包依赖解析问题。

conda create -n smp-matting python=3.9 -y conda activate smp-matting # 先装 PyTorch，以 CUDA 11.8 为例，具体按你的显卡驱动选版本 pip install torch==2.1.0 torchvision==0.16.0 --index-url https://download.pytorch.org/whl/cu118 # 再装 SMP pip install segmentation-models-pytorch

逻辑说明：--index-url后面的地址是 PyTorch 官方预编译 wheel 源，按cu118、cu121这样的后缀区分 CUDA 版本。如果你的机器是纯 CPU，去掉--index-url直接装 CPU 版即可。装完 SMP 后，先跑一个最小验证，避免后面训练时才发现环境有问题。

import torch import segmentation_models_pytorch as smp model = smp.Unet( encoder_name="resnet50", encoder_weights="imagenet", in_channels=3, classes=1, ) x = torch.randn(2, 3, 256, 256) y = model(x) print(y.shape) # 期望输出 torch.Size([2, 1, 256, 256])

参数说明：encoder_name是编码器骨干网络，encoder_weights="imagenet"表示加载在 ImageNet 上预训练好的权重，in_channels=3对应 RGB 输入，classes=1表示二分类任务，即前景和背景。模型输出的不是概率，而是 logits，后面要接torch.sigmoid才能得到 0 到 1 的置信度图。如果第一次跑这个验证，网络会自动下载预训练权重，大约几百 MB，建议提前准备好网络环境。

2.2 数据准备：开源数据集、标注工具，还是用 PS/GIMP 已有结果

人物抠图本质上是做一个二值分割任务，所以数据要是“原图 + 对应 mask”的成对形式。mask 是黑白图，白色代表人物，黑色代表背景。准备数据有三条路，我建议按你的实际场景选。

第一条路是直接用开源人物分割数据集，比如 COCO 数据集里的 person 类标注，或者 Supervisely Person 这类专门的人物分割数据集。好处是标注质量有保障，缺点是开源数据集的场景和你要处理的业务图可能差异很大，后面会有领域偏移的问题。第二条路是用标注工具自己标，比如 labelme、AnyLabeling 这类工具，导出的多边形 JSON 再转成 mask，适合只有几十张图的小场景。第三条路是把你用 PS 或 GIMP 已经抠好的透明 PNG 反推成 mask，这个做法速度最快，而且标注质量完全是你自己控制的。

有了数据后，就要写 Dataset 类。这里有一个非常容易踩的坑：mask 在做 resize 时必须用最近邻插值，不能用线性插值，否则会生成 0 和 255 之间的灰阶，相当于给模型灌了错误的模糊标签。

import glob import cv2 import numpy as np import torch from torch.utils.data import Dataset class PersonMattingDataset(Dataset): def __init__(self, image_dir, mask_dir, size=256): self.image_paths = sorted(glob.glob(f"{image_dir}/*.jpg")) self.mask_paths = sorted(glob.glob(f"{mask_dir}/*.png")) self.size = size def __len__(self): return len(self.image_paths) def __getitem__(self, idx): image = cv2.imread(self.image_paths[idx]) image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) mask = cv2.imread(self.mask_paths[idx], cv2.IMREAD_GRAYSCALE) image = cv2.resize(image, (self.size, self.size), interpolation=cv2.INTER_LINEAR) # 关键：mask 必须用最近邻插值，否则边缘会被混出新灰度值 mask = cv2.resize(mask, (self.size, self.size), interpolation=cv2.INTER_NEAREST) image = torch.from_numpy(image).permute(2, 0, 1).float() / 255.0 mask = torch.from_numpy(mask).float() / 255.0 # 基础版人物抠图用二值 mask，先阈值化，边缘细节留给后处理 mask = (mask > 0.5).float().unsqueeze(0) return image, mask

参数说明：mask > 0.5会把所有大于半灰度的像素变成 1，小于的变成 0。如果你的标注是带抗锯齿的软边，直接阈值化会丢掉发丝和半透明边缘的信息。一个常见的“后悔药”是训练时保留连续灰度值，也就是不>0.5，直接把mask / 255.0当软标签，损失函数里要用适合连续标签的版本。但这样做模型输出的边缘会更细腻，训练收敛也更慢。我一般先跑二值版本，把整个流程打通之后，再根据交付要求决定要不要上软标签。

2.3 数据增强与归一化：这些参数不能乱填

数据增强对人物抠图的影响非常大，尤其是边缘类别的样本。常用的增强库是 albumentations，它最方便的地方是能同时处理 image 和 mask，并且 mask 的插值方式被固定为最近邻，不会像你自己写那样子破坏标签。

import albumentations as A from albumentations.pytorch import ToTensorV2 train_transform = A.Compose([ A.RandomResizedCrop(256, 256, scale=(0.6, 1.0), p=0.8), A.HorizontalFlip(p=0.5), A.RandomBrightnessContrast(brightness_limit=0.2, contrast_limit=0.2, p=0.3), A.HueSaturationValue(hue_shift_limit=5, sat_shift_limit=20, val_shift_limit=20, p=0.3), A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)), ToTensorV2(), ]) valid_transform = A.Compose([ A.Resize(256, 256), A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)), ToTensorV2(), ])

训练时会这样调用：transformed = transform(image=image, mask=mask)，然后从transformed["image"]和transformed["mask"]里取数据。参数说明：RandomResizedCrop的scale=(0.6, 1.0)意思是随机裁剪原图的 60% 到 100% 再缩放到 256，相当于一种随机缩放，能提升模型对不同人物占比的适应力。HueSaturationValue的偏移量不要给太大，给太大容易把肤色调成怪异颜色，模型反而学到了错误的颜色关联。归一化用 ImageNet 的均值和标准差，因为 SMP 加载的预训练权重就是基于 ImageNet 统计量训练的，跳过了这一层，前面的预训练权重就白加载了，收敛速度会明显变慢。

3. 用 SMP 构建人物分割模型：编码器选型与损失函数

3.1 编码器选型：ResNet50 稳，EfficientNet 准，MobileNet 快

SMP 支持几十种编码器，大部分来自 timm 库。人物抠图任务对编码器的要求并不苛刻，关键看你的部署场景。我常用的三档对比看下表：

如果只是要把流程跑通，直接选resnet50是最省心的；如果发现边缘细节不够好，或者显存只有 6G、8G，换成efficientnet-b3通常能在差不多的精度下省下一半显存。考虑实时场景，比如做 OBS 直播抠像插件这类应用，就得换mobilenet_v3_large，同时把输入分辨率降到 256 甚至 192。编码器对最终效果的影响，往往没有输入分辨率和数据质量影响大。

3.2 UNet 和 DeepLabV3+：两个都能“一行代码”建起来

SMP 最舒服的一点是换模型结构几乎不写新代码。同一份训练脚本里，把模型对象换一行就行。

import segmentation_models_pytorch as smp # UNet + ResNet50，先作为基线跑通 model = smp.Unet( encoder_name="resnet50", encoder_weights="imagenet", in_channels=3, classes=1, ) # DeepLabV3+ + EfficientNet，边缘细节通常更好 model = smp.DeepLabV3Plus( encoder_name="efficientnet-b3", encoder_weights="imagenet", in_channels=3, classes=1, decoder_aspp_sep_kernel_size=1, )

参数说明：decoder_aspp_sep_kernel_size控制 ASPP 模块的空洞卷积核大小，默认值通常不必改。对于人物抠图，UNet 的上采样路径能让分割结果更完整，不容易出现人物身体断成两截的情况；DeepLabV3+ 对边缘轮廓保持更好，但在小目标上偶尔会漏掉躯干。我一般先跑 UNet 验证数据没问题，再切 DeepLabV3+ 对比效果。encoder_weights="imagenet"会联网下载权重，如果下载失败训练会直接报错，可以提前手动把权重文件下载好，放到缓存目录里，避免在机器上干等。

3.3 损失函数：为什么 BCE 和 Dice 要搭配用

人物抠图的标签里，背景面积通常远大于人物面积，直接训练二分类交叉熵，模型会倾向于把不确定的像素都判成背景，因为这样能让整体 loss 更低。Dice loss 关注的是预测区域和真实区域的重叠度，正好能抑制这种倾向。

import torch import torch.nn as nn class BCEWithLogitsDiceLoss(nn.Module): def __init__(self, bce_weight=0.5, dice_weight=0.5, smooth=1e-6): super().__init__() self.bce = nn.BCEWithLogitsLoss() self.bce_weight = bce_weight self.dice_weight = dice_weight self.smooth = smooth def forward(self, logits, targets): prob = torch.sigmoid(logits) bce_loss = self.bce(logits, targets) intersection = (prob * targets).sum() dice_loss = 1 - (2 * intersection + self.smooth) / ( prob.sum() + targets.sum() + self.smooth ) return self.bce_weight * bce_loss + self.dice_weight * dice_loss

参数说明：smooth是平滑系数，防止分母为 0，也起到一个轻微正则作用。bce_weight=0.5、dice_weight=0.5是最常见的配比，但如果你发现模型抠出来的区域总是比真实区域大一圈，可以把dice_weight调高到 0.7，让模型更看重区域重叠；如果边缘总是抠不干净，可以反过来把bce_weight调高到 0.7，让每个像素都受到更直接的监督。另一个常见变体是 Focal Loss，处理背景占比极端的情况，我放在后面避坑章节里展开。

3.4 评估指标：IoU 不是损失函数，别混着看

训练时打印的 loss 只是优化目标，不能直接反映人物抠得干不干净。分割任务最常用的指标是 IoU，也就是预测 mask 和真实 mask 的交集除以并集。数值越接近 1 越好。

def compute_iou(logits, masks, threshold=0.5): prob = torch.sigmoid(logits) pred = (prob > threshold).int().view(-1) target = masks.int().view(-1) intersection = (pred & target).sum().float() union = (pred | target).sum().float() return (intersection / union).item()

pred & target是按位与，pred | target是按位或，在 PyTorch 里做二值集合运算非常直观。IoU 对大面积重叠很敏感，但人物边缘那一两圈像素在整体 IoU 里占比很小，所以我会额外看一眼“边界 IoU”，也就是只计算真实 mask 边缘带状区域内的 IoU。这个指标能直接反映发丝、衣物轮廓这些最容易被吐槽的地方，比只看整体 IoU 有用得多。

4. 训练与调参：人物边缘抠得干不干净，全看这里的设置

4.1 训练循环：AMP、AdamW、学习率调度，三项一个都不能少

训练循环本身不难，但有几个细节决定训练能不能稳定收敛。第一，用混合精度训练，显存占用能降一半，速度提升明显；第二，用 AdamW 而不是普通 Adam，因为 AdamW 把权重衰减和梯度更新解耦，对预训练模型微调更友好；第三，给梯度加裁剪，防止个别批次数据异常导致梯度爆炸，训练过程一下子崩掉。

import torch import torch.nn as nn epochs = 40 device = torch.device("cuda" if torch.cuda.is_available() else "cpu") optimizer = torch.optim.AdamW(model.parameters(), lr=1e-3, weight_decay=1e-4) scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=epochs) criterion = BCEWithLogitsDiceLoss(bce_weight=0.5, dice_weight=0.5) scaler = torch.cuda.amp.GradScaler() for epoch in range(epochs): model.train() total_loss = 0.0 total_iou = 0.0 for images, masks in train_loader: images = images.to(device) masks = masks.to(device) optimizer.zero_grad() with torch.cuda.amp.autocast(): logits = model(images) loss = criterion(logits, masks) scaler.scale(loss).backward() # 混合精度下梯度可能异常，裁剪一下更稳 torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=5.0) scaler.step(optimizer) scaler.update() total_loss += loss.item() total_iou += compute_iou(logits, masks) scheduler.step() print(f"epoch {epoch:02d} loss {total_loss/len(train_loader):.4f} " f"iou {total_iou/len(train_loader):.4f}")

这里有一个版本兼容问题：老版本 PyTorch 用torch.cuda.amp.autocast()和torch.cuda.amp.GradScaler()，新版本更推荐torch.amp.autocast("cuda")和torch.amp.GradScaler("cuda")。两个写法在我的代码里都能跑通，但我建议你按自己安装的 PyTorch 版本来选，不然会看到一条 DeprecationWarning，不影响训练，但看着闹心。max_norm=5.0是梯度裁剪的阈值，一般取 1 到 10 之间，人物分割任务我习惯取 5。

4.2 关键超参：图像尺寸、batch size、epochs，怎么定

人物抠图的超参没有绝对最优，但有一张参考表，能减少大量试错时间：

图像尺寸是人物抠图里最值得投资的超参。256 适合快速迭代和验证流程，512 的边缘细节明显比 256 好，但显存占用大约是 4 倍。如果显卡只有 8G，我建议用 384 作为折中方案。batch size 反过来调：如果显存紧张，可以保持 batch size 为 4，用梯度累积模拟更大的 batch。比如每 4 个 batch 做一次优化器更新，效果接近 batch size 16，代码上就是在累加 loss 后延迟调用optimizer.step()和optimizer.zero_grad()。

4.3 检查点保存与训练可视化：别让训练白跑

跑人物分割训练动辄几个小时，一旦中断就得从头再来，很难受。所以保存检查点是必做项。我习惯每轮都保存一套完整的 checkpoint，而不是只保存最后的权重。

torch.save({ "epoch": epoch, "model_state_dict": model.state_dict(), "optimizer_state_dict": optimizer.state_dict(), "config": { "encoder": "resnet50", "input_size": 256, "batch_size": 8, }, }, f"checkpoints/smp_epoch{epoch:02d}.pth")

加载的时候这样操作：

checkpoint = torch.load("checkpoints/smp_epoch30.pth", map_location="cpu") model.load_state_dict(checkpoint["model_state_dict"]) optimizer.load_state_dict(checkpoint["optimizer_state_dict"]) start_epoch = checkpoint["epoch"] + 1

说明：map_location="cpu"是为了防止服务器和本地 CUDA 版本不一致导致加载报错。保存optimizer_state_dict的意义在于中断后能恢复学习率状态，不然余弦退火的进度就断了。日志方面，除了打印 loss 和 IoU，我还会每轮随机拿几张验证图片出来跑一次推理，把预测 mask 存下来肉眼观察。loss 曲线只能说明模型在收敛，不能说明人物边缘真的干净，可视化是最直接的反馈。

5. 人物抠图落地常见坑与排查：现象、原因、对策

5.1 边缘发虚，像蒙了一层毛玻璃

现象：模型输出的透明 PNG，人物边缘有一圈半透明残留，放到深色背景上尤其明显，像没擦干净。原因有三个：第一，训练集 mask 在 resize 时用了线性插值，导致标签边缘出现灰阶；第二，训练标签本身就是抗锯齿边缘，模型学出来的是一个渐变 alpha，而你用的是二值化；第三，推理时直接按 0.5 阈值切，边缘置信度本身就低，切出来的边缘参差不齐。解决方法是先检查训练数据，确认 mask 是纯黑白的；然后在推理后处理里加一圈形态学操作。

# 对概率图先取阈值，再做形态学清理 mask = (prob > 0.5).astype(np.uint8) * 255 mask = cv2.medianBlur(mask, 5) # 去除边缘上的孤立噪点 mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, np.ones((3, 3), np.uint8)) # 填住边缘小洞

medianBlur的核大小取 3 或 5，取太大人物发丝会被抹平。MORPH_CLOSE是先膨胀后腐蚀，能填平 mask 上细小的孔洞。这个操作不会让边缘变锋利，但能显著减少半透明残留。如果你的业务要求发丝级别的抠图，二值分割路线本身就满足不了，得用专门的 matting 模型，这个后处理只能救边缘，救不了头发丝。

5.2 人物和背景撞色时，背景被一起抠了进来

现象：深色衣服配深色背景，模型预测出的 mask 比人物真实轮廓大一圈，背景里颜色相近的区域也被归成前景。原因：训练数据里这类撞色样本太少，模型本质上还是在靠颜色先验判断，而不是真正理解人物轮廓；另一个叠加原因是 BCE 损失对大面积误分类的惩罚不够，模型把一大块背景误判成人物，整体 loss 也不会飙升太多。解决思路是用 Focal Loss 替代普通 BCE，把难分的像素权重抬高。

class FocalLoss(nn.Module): def __init__(self, alpha=0.25, gamma=2.0): super().__init__() self.alpha = alpha self.gamma = gamma self.bce = nn.BCEWithLogitsLoss(reduction="none") def forward(self, logits, targets): bce_loss = self.bce(logits, targets) prob = torch.sigmoid(logits) # 标准 focal 权重：预测越自信，权重越小 focal_weight = torch.where( targets > 0, 1 - prob, prob ).pow(self.gamma) return (self.alpha * focal_weight * bce_loss).mean()

gamma=2.0是常用值，模型已经预测对的简单像素权重会被压得非常低，难分像素主导梯度更新；alpha=0.25用来调正负样本的整体比例。但要注意，Focal Loss 也会让训练收敛变慢，建议先拿普通 BCE+Dice 跑 10 个 epoch，确认数据没问题再加 Focal。另外，在数据增强里把亮度对比度扰动加大一点，也能缓解颜色撞车问题。

5.3 训练正常，推理时显存突然爆掉

现象：训练 8 个 batch 都没问题，推理单张图却 OOM。原因：推理脚本没有包torch.no_grad()，图还在建反向图，显存翻了至少一倍；或者输入图尺寸比训练尺寸大很多，模型的 feature map 显存占用成倍膨胀。解决方法是推理时强制不追踪梯度，并改成单张输入。

model.eval() with torch.no_grad(): for images, _ in valid_loader: images = images.to(device) logits = model(images) prob = torch.sigmoid(logits).cpu().numpy()

注意model.eval()只切换 BN 和 Dropout 状态，不关闭梯度追踪，必须配合torch.no_grad()。如果单张图还是 OOM，看一下原图分辨率，超过训练尺寸太多就先cv2.resize到训练尺寸。你要让推理图和训练图的分辨率保持一致，模型的分割效果才会稳定。

5.4 换到电商图、网页图之后，效果突然跳水

现象：在开源人像数据集上 IoU 能到 0.96，拿到商品详情页的模特图上一测，边缘多了一大圈背景，或者人物腿上缺了一块。原因：这是典型的领域偏移，开源数据集大多是摄影作品，光照自然、背景简单，而电商图大量使用白底、浅灰底，人物姿态和裁切方式也更极端。解决方式不是盲目加数据，而是收集 50 到 100 张目标场景图做微调。一个和效率有关的习惯做法是：先用 PS 或 GIMP 手工抠出这批图的精确 mask，再拿来微调模型。几十张图就足以让模型在新场景上恢复可用水平，比从零训练划算得多。

这里也解释了一个现象：网上有些“AI 一键抠图”的网页版工具，换到专业图上不好用，本质就是训练数据和你的业务图不在同一个域。OBS 直播的 AI 抠像插件在直播画面里表现好，是因为直播背景相对固定，把它拿去抠海报图也会翻车。所以不要指望一个通用模型解决所有场景，小规模微调几乎是必做的一步。

5.5 视频人物抠像，边缘像噪声一样在“呼吸”

现象：对视频逐帧调用模型，单帧静止看都还行，连起来播放时人物边缘一直在抖动，发丝边缘一会粗一会细。原因：模型对每一帧独立推理，相邻帧的像素置信度波动被直接输出成了 mask 边界的抖动，这不叫算法坏了，而是时间一致性没人管。解决手段是加一个时间维度的平滑，最常见的是指数移动平均。

# 简单的时间平滑，alpha 控制当前帧权重 prev_mask = None for frame in video_frames: curr_mask = predict(frame) # 得到当前帧概率图 if prev_mask is None: fused_mask = curr_mask else: fused_mask = alpha * curr_mask + (1 - alpha) * prev_mask prev_mask = fused_mask output_mask = (fused_mask > 0.5).astype(np.uint8)

alpha我一般取 0.7 到 0.8，场景快速切换时调低到 0.5，否则人物快速移动会拖影。更复杂一点可以用光流把前一帧的 mask 对齐到当前帧再融合，但对多数人物抠像需求，指数平滑已经能把边缘抖动压到肉眼可接受的程度。

6. 让模型真正变成“一键抠图”：后处理与交付

6.1 从概率图到透明 PNG 的完整后处理

模型输出的 logits 不能直接用，要经过 sigmoid 转概率、阈值化转 mask、形态学清理、缩放到原图分辨率。我习惯把所有步骤封装成一个函数，方便在批量脚本里反复调用。

def predict_to_mask(model, image_bgr, size=256, threshold=0.5): image = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2RGB) h, w = image.shape[:2] image = cv2.resize(image, (size, size), interpolation=cv2.INTER_LINEAR) image = torch.from_numpy(image).permute(2, 0, 1).float() / 255.0 image = normalize(image).unsqueeze(0).to(device) with torch.no_grad(): prob = torch.sigmoid(model(image)).squeeze().cpu().numpy() mask = (prob > threshold).astype(np.uint8) * 255 mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, np.ones((3, 3), np.uint8)) mask = cv2.resize(mask, (w, h), interpolation=cv2.INTER_LINEAR) return mask

输出 mask 后，用cv2.merge把人物原图和 mask 合成 RGBA 图，再写 PNG 就是带透明通道的成品。threshold可以做成可调参数，边缘偏粗就调高到 0.6，偏窄就调到 0.4。注意最后一步cv2.resize回到原图时用线性插值，这样 mask 边缘会有一点点柔化，视觉上反而自然。

6.2 和 PS/GIMP 的流程衔接

训练好的模型更适合做批量初筛，而不是取代精修。我通常的交付流程是先跑模型，把所有图的透明底拿出来，再用 GIMP 的“从 Alpha 选择”功能加载 mask，对需要精修的大图手动调整，对不需要的图直接保存。这样模型承担 80% 的重复劳动，PS 框选这类手工操作只留给真正复杂的边缘区域。如果交付的是头像、商品主图这类固定尺寸素材，模型跑完直接导出透明 PNG 就够用了，不需要再过一遍图形软件。

6.3 验证模型到底把人物抠干净了没有

除了 IoU 数值，我还会额外看三个维度：一是边缘 2 到 3 像素内的准确率，边缘干净程度比整体面积重叠更重要；二是对高光、透明材质、深色背景三类困难样本的单独表现；三是单张推理耗时，控制在应用可接受范围内。验证集我固定留 30 到 50 张不参与训练的图片，每次训练完都肉眼逐张翻一遍预测结果。

我现在换数据集之后的第一件事，是打印三张最失败的预测图，而不是盯着 loss 曲线。loss 曲线只能告诉你模型在拟合训练数据，不能告诉你它在人物发丝边缘上输得有多难看。希望帮到你，也让你的分割模型少走几趟弯路。

本文还有配套的精品资源，点击获取