1. 根据官方 github 改编的一个人像分割例子 (1) UNet-Pytorch Demo 网址：https://github.com/leijue222/portrait-matting-unet-flask(分割人像) https://cloud.tencent.com/developer/article/1658426 第一步： $ git clone https://github.com/leijue222/portrait-matting-unet-flask.git 注：clone 下来已经包含 MODEL.pth 第二步： $ cd portrait-matting-unet-flask/ $ python predict.py -i image.jpg -o output.jpg 注：image.jpg 是自己放在 portrait-matting-unet-flask 文件夹下的一张包含有人的 图像，Output.jpg 是输出。 若报错：No module named‘xxx’如下： ModuleNotFoundError: No module named 'torchsummary' 解决方法：pip 安装相应模块即可。 (2) UNet-Pytorch 训练数据集 第一步：下载数据集 百度网盘：http://pan.baidu.com/s/1dE14537 密码： ndg8 第二步：数据处理 将 training 中的图像数据包括图像及其 masks，部分如下 

将其分开，把全部图像放在新建的一个 imgs 文件夹中，全部 masks 放在一个新 建的 masks 文件夹中。再把 imgs、masks 文件夹复制到项目 data 文件夹下。（原 data 中无数据，删除其包含文件夹） 第三步：训练 $ python train.py -e 20 -b 1 -l 0.1 -s 0.5 -v 15.0 (3) UNet-Pytorch 训练自己的数据集 第一步：处理自己的数据集 注意自己的数据集命名规范，最好按照一次递增一一对应。 imgs: Masks: 注:后缀.png 和.jpg 都可以使用。批量命名方式：https://www.kafan.cn/A/732kj9m43l.html 第二步：训练 $ python train.py -e 20 -b 1 -l 0.1 -s 0.5 -v 15.0 -e 表示 epoch 数 -b 表示 batch size -l 表示学习率 -s 表示 scale -v 表示 验证集所占的百分比 注：相关参数可参照 github 自行修改。 若报错：AssertionError: Either no mask or multiple masks found for the ID 可能的原因：https://github.com/milesial/Pytorch-UNet/issues/202 原因总结： 图像通道问题（输入 3 通道，输出单通道）； 多分类 or 单分类（https://www.pianshen.com/article/68871053160/）； 数据集命名问题（未一一对应） 

2. 官方 github 主页: https://github.com/milesial/Pytorch-UNet(分割车辆，2.7k Star) 预训练模型下载说明：（'MODEL.pth'） https://github.com/milesial/Pytorch-UNet/issues/189（此模型 demo 预测时成功） https://github.com/milesial/Pytorch-UNet/blob/e2e46ce509382a45b1db4e1f639aeed568f6cb3e/MODEL.pth（此模 型 demo 预测时报错） https://github.com/milesial/Pytorch-UNet/issues/189#issuecomment-666034521 数据集说明: https://www.kaggle.com/c/carvana-image-masking-challenge/data Demo 实现：同上，只是 MODEL.pth 需要自己下载。 训练数据集：同上。 3. 参考网址: https://www.aiuai.cn/aifarm416.html https://github.com/milesial/Pytorch-UNet/issues/202 https://cloud.tencent.com/developer/article/1658426 https://github.com/leijue222/portrait-matting-unet-flask https://www.pianshen.com/article/68871053160/ https://www.kafan.cn/A/732kj9m43l.html