企业官网建设流程全解析

• 人工智能
• 计算机视觉
• 预训练

导读

PP-HumanSeg-Lite 是 PaddleSeg 自研的超轻量人像分割网络 ConnectNet，专为 Web 与移动端实时分割场景设计，以 2.3MB 左右的模型体积在 398x224 输入下实现约 29.68ms 的 ARM CPU 单帧推理（小米 9，Snapdragon 855，单线程），并以 93.60% 的 mIoU 在 PP-HumanSeg-14K 人像分割数据集上保持高精度。本文以 configs/pp_humanseg_lite/README.md 为骨架，结合 paddleseg/models/pphumanseg_lite.py 源码、仓库内的训练/导出配置以及 contrib/PP-HumanSeg 的完整工具链，系统讲解该模型的结构设计、配置参数、训练、评估、预测、导出与部署全流程，读者读完可独立完成从零训练到端侧部署的实战闭环。

上图为 PP-HumanSeg-Lite（ConnectNet）的编码器-解码器结构示意图：输入图像经 3x3 卷积下采样至 1/2，经 Max Pool 至 1/4 后依次通过 Stage1（至 1/8）、Stage2（至 1/16），再经 DSConv1（深度可分离卷积）保持 1/16 分辨率；解码器侧将特征上采样回 1/4 并与编码器前端的 1x1 卷积输出融合，随后经 DSConv2、DSConv3 与二次上采样，最终通过 Softmax 输出人像分割二值掩码。

一、PP-HumanSeg-Lite 是什么

PP-HumanSeg-Lite 是百度自研的超轻量人像分割模型 ConnectNet，由 PaddleSeg 官方发布，定位为"适合 Web 端与移动端实时分割场景"的端侧模型。它对应 2021 年发布的 PP-HumanSeg V1 系列中的 Lite 型号，在 contrib/PP-HumanSeg/README.md 中被称为PP-HumanSegV1-Lite，完整描述为：

A self-developed ultra lightweight model ConnectNet, is suitable for real-time segmentation scenarios on the web or mobile.

其底层原理论文为PP-HumanSeg: Connectivity-Aware Portrait Segmentation With a Large-Scale Teleconferencing Video Dataset（WACV 2022 Workshop），仓库中对应的论文资料与 SCL（Semantic Connectivity-aware Learning）方法说明见 contrib/PP-HumanSeg/paper.md。

与 PP-HumanSeg 系列其他成员相比，V1-Lite 的定位是精度与模型体积兼顾：

说明：上述精度（mIoU）在 PP-HumanSeg-14K 数据集上以最佳输入尺寸测试；推理耗时使用 PaddleLite，在小米 9（Snapdragon 855 CPU）单线程下测得。V2-Lite 是后续升级版本（基于 MobileNetV3 骨干与多尺度特征聚合），其数据来源 contrib/PP-HumanSeg/README.md。V1-Lite 的最佳输入尺寸 398x224 与手机/笔记本摄像头常见的 16:9 画幅一致，这是其设计上的实用考量。

二、ConnectNet 网络结构解析（源码级）

PP-HumanSeg-Lite 的网络定义位于 paddleseg/models/pphumanseg_lite.py，核心类为PPHumanSegLite，通过@manager.MODELS.add_component注册进 PaddleSeg 的模型管理器，因此配置文件里model.type: PPHumanSegLite即可直接实例化。

2.1 编码器：三分支下采样路径

PPHumanSegLite.__init__与forward中编码器的前向计算顺序如下：

1. conv_bn0：_ConvBNReLU(in_channels=3, out_channels=36, kernel=3, stride=2, padding=1)，将输入下采样至1/2，同时扩展至 36 通道；
2. conv_bn1：_ConvBNReLU(36, 18, kernel=1)，输出 18 通道的捷径特征（shortcut），留待解码器阶段融合；
3. max_pool2d（kernel=3, stride=2, padding=1）：将特征下采样至1/4；
4. block1：4 个InvertedResidual串联（stride 依次为 2,1,1,1），特征降至1/8；
5. block2：8 个InvertedResidual串联（stride 依次为 2，其余为 1），特征进一步降至1/16。

2.2 倒残差块 InvertedResidual 与通道混洗

InvertedResidual（对应代码 paddleseg/models/pphumanseg_lite.py）是编码器的基础单元，其关键设计如下：

• stride=1 时：输入沿通道维一分为二（paddle.split），一半直接作为 shortcut 短路，另一半经_ConvBNReLU（1x1）+_SeparableConvBNReLU（3x3 深度可分离卷积）提取特征后再拼接，实现通道维度上的"半短路"结构；
• stride=2 时：无直接 shortcut，改为用_SeparableConvBNReLU对全通道做下采样得到 shortcut，另一分支同样经 1x1 卷积与 3x3 深度可分离卷积处理，最后拼接；
• 通道混洗（channel shuffle）：拼接后通过 reshape 为[0, 2, in_channels, h, w]、transpose 交换中间两维再 reshape 回[0, 2*in_channels, h, w]，让两分支通道信息充分交织（参考 paddleseg/models/pphumanseg_lite.py），这一操作与 ShuffleNet 系列的思想一致，是轻量化设计的关键手段。

从代码结构可以推断，这种"通道半分叉 + 深度可分离卷积 + 通道混洗"的组合，在保证特征表达能力的同时显著压缩了计算量与参数量，这正是 ConnectNet 能在移动端实时运行的根本原因。

2.3 解码器：特征融合与双线性上采样

编码器输出的 1/16 分辨率特征进入解码器：

1. depthwise_separable0：_SeparableConvBNReLU(144, 64, kernel=3)，保持 1/16 分辨率；
2. 通过F.interpolate(..., mode='bilinear', align_corners=self.align_corners)上采样到shortcut 的尺寸（1/4）；
3. 与conv_bn1产生的 18 通道 shortcut 在通道维拼接（144/2+18 → 82 通道），形成高分辨率细节与深层语义的融合；
4. 依次经过depthwise_separable1（_SeparableConvBNReLU(82, 64)）与depthwise_separable2（_SeparableConvBNReLU(64, num_classes)）输出 logit；
5. 最后再经一次双线性插值，将 logit 恢复到原始输入分辨率，返回[logit]。

值得注意的是forward的返回值是长度为 1 的列表[logit]，这与 PaddleSeg 中带辅助损失的多输出模型（如[logit, aux]）格式兼容，便于直接接入 tools/train.py 等训练工具。

2.4 参数初始化

init_weight对子层中的nn.Conv2D使用标准差 0.001 的正态初始化，对 BatchNorm 使用权重 1.0、偏置 0.0 的常量初始化；当构造参数传入pretrained路径时，会调用utils.load_pretrained_model加载预训练权重（参考 paddleseg/models/pphumanseg_lite.py）。

三、配置文件详解：训练配置与导出配置

仓库在 configs/pp_humanseg_lite/ 下提供了两个配置文件，分别用于训练与导出。

3.1 训练配置pp_humanseg_lite_mini_supervisely.yml

该配置面向 Supervisely 人像数据集（mini_supervisely，可用 contrib/PP-HumanSeg/src/download_data.py 下载），核心字段如下：

batch_size: 64 iters: 2000 train_dataset: type: Dataset dataset_root: data/mini_supervisely train_path: data/mini_supervisely/train.txt num_classes: 2 transforms: - type: Resize target_size: [398, 224] - type: RandomHorizontalFlip - type: RandomDistort brightness_range: 0.4 contrast_range: 0.4 saturation_range: 0.4 - type: Normalize mode: train val_dataset: type: Dataset dataset_root: data/mini_supervisely val_path: data/mini_supervisely/val.txt num_classes: 2 transforms: - type: Resize target_size: [398, 224] - type: Normalize mode: val optimizer: type: SGD momentum: 0.9 weight_decay: 0.0005 lr_scheduler: type: PolynomialDecay learning_rate: 0.05 end_lr: 0 power: 0.9 loss: types: - type: CrossEntropyLoss coef: [1] model: type: PPHumanSegLite align_corners: False num_classes: 2

各字段含义与实战要点：

• batch_size / iters：批大小 64，总迭代数 2000。人像分割是二分类问题（前景/背景），该配置属于快速验证规模；
• 数据集：dataset_root、train_path、val_path指向 PaddleSeg 标准数据集文件列表（每行一条图像路径，文件路径均需相对/绝对指向真实文件）；num_classes: 2表示背景+前景二类；
• 数据增强链：Resize固定到[398, 224]（宽高对应模型最佳输入 16:9）；RandomHorizontalFlip做水平翻转；RandomDistort对亮度、对比度、饱和度各做 0.4 幅度的随机扰动，增强对光照变化的鲁棒性；最后Normalize（PaddleSeg 默认使用 ImageNet 均值和方差）；
• 优化器：SGD，momentum 0.9，weight_decay 5e-4；
• 学习率调度：PolynomialDecay，初始学习率 0.05，最终衰减至end_lr: 0，幂次power: 0.9；
• 损失函数：单一CrossEntropyLoss，系数coef: [1]（多损失时该列表长度需与types一致）；
• 模型：type: PPHumanSegLite对应 paddleseg/models/pphumanseg_lite.py 中注册的类；align_corners: False控制所有双线性插值/上采样对齐方式，需在训练与导出/推理阶段保持一致；num_classes: 2与数据集类别数对应。

3.2 导出配置pp_humanseg_lite_export_398x224.yml

该文件仅保留推理所需的模型定义与验证数据配置，用于tools/export.py导出静态图推理模型：

model: type: PPHumanSegLite align_corners: False num_classes: 2 val_dataset: type: Dataset dataset_root: data/mini_supervisely val_path: data/mini_supervisely/val.txt num_classes: 2 transforms: - type: Resize target_size: [398, 224] - type: Normalize mode: val

导出时模型结构与训练时保持一致（align_corners、num_classes相同），输入尺寸固定为 398x224，保证动态 shape 与静态图导出的输入张量一致。

四、从零到部署：完整实操流程

PP-HumanSeg-Lite 的完整链路（环境、数据、训练、评估、预测、导出、部署）由 contrib/PP-HumanSeg/README.md 统一给出，下面按步骤整理。

4.1 环境准备

• PaddlePaddle >= 2.2.0，Python >= 3.7；
• 人像分割模型计算量较大，建议使用 GPU 版 PaddlePaddle；
• 安装 PaddleSeg 依赖：

git clone https://gitcode.com/gh_mirrors/pa/PaddleSeg cd PaddleSeg pip install -r requirements.txt

后续训练、微调相关命令需在contrib/PP-HumanSeg目录下执行（Windows 下对应命令用set CUDA_VISIBLE_DEVICES=0代替export）。

4.2 下载模型与数据

cd contrib/PP-HumanSeg python src/download_inference_models.py # 下载推理模型到 inference_models/ python src/download_data.py # 下载测试数据（含 mini_supervisely 数据集）到 data/

4.3 预训练模型下载与微调训练

若希望在自有数据上微调 V1-Lite，先下载预训练 checkpoint（用于微调而非部署），再修改配置后训练：

python src/download_pretrained_models.py

训练命令（以通用人像分割的 V2-Lite 为例，V1-Lite 同理替换配置文件）：

export CUDA_VISIBLE_DEVICES=0 python ../../tools/train.py \ --config configs/human_pp_humansegv1_lite.yml \ --save_dir output/human_pp_humansegv1_lite \ --save_interval 100 --do_eval --use_vdl

完整训练用法见 docs/train/train.md。配置文件中已预设预训练权重路径；实际微调时建议根据数据规模调整学习率等超参。

4.4 评估

python ../../tools/val.py \ --config configs/human_pp_humansegv1_lite.yml \ --model_path pretrained_models/human_pp_humansegv1_lite_398x224_pretrained/model.pdparams

完整评估用法见 docs/evaluation/evaluate/evaluate.md。

4.5 预测

python ../../tools/predict.py \ --config configs/human_pp_humansegv1_lite.yml \ --model_path pretrained_models/human_pp_humansegv1_lite_398x224_pretrained/model.pdparams \ --image_path data/images/human.jpg \ --save_dir ./data/images_result

结果分别保存在./data/images_result/added_prediction（叠加可视化）与./data/images_result/pseudo_color_prediction（伪彩色分割图）。

4.6 导出推理模型

python ../../tools/export.py \ --config configs/pp_humanseg_lite/pp_humanseg_lite_export_398x224.yml \ --model_path pretrained_models/human_pp_humansegv1_lite_398x224_pretrained/model.pdparams \ --save_dir output/human_pp_humansegv1_lite \ --without_argmax \ --with_softmax

• 当设置--without_argmax --with_softmax时，导出模型最后一层为softmax，输出两通道概率图；
• 若不加这两个参数，默认最后一层为argmax，输出单通道类别索引图，体积更小，适合端侧直接取掩码。

完整导出用法见 docs/model_export.md。导出配置直接复用 configs/pp_humanseg_lite/pp_humanseg_lite_export_398x224.yml。

4.7 实时演示与背景替换（seg_demo.py）

contrib/PP-HumanSeg/src/seg_demo.py是面向产品化演示的入口，输入可以是图片、视频或摄像头，支持背景替换、竖屏旋转与光流去抖。参数如下：

规则说明：设置了img_path则预测图片；设置了video_path则预测视频；两者都未设置则调用摄像头实时预测。默认按横屏（宽大于高）处理，竖屏输入必须加--vertical_screen。--use_optic_flow依赖 opencv-python > 4.0。

典型用法示例（推理模型下载后位于inference_models/）：

# 图片人像分割（横屏） python src/seg_demo.py \ --config inference_models/portrait_pp_humansegv1_lite_398x224_inference_model_with_softmax/deploy.yaml \ --img_path data/images/portrait_heng.jpg \ --save_dir data/images_result/portrait_heng_v1.jpg # 图片背景替换（竖屏） python src/seg_demo.py \ --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \ --img_path data/images/portrait_shu.jpg \ --bg_img_path data/images/bg_1.jpg \ --save_dir data/images_result/portrait_shu_v2_withbg.jpg \ --vertical_screen # 视频背景替换 + logit 后处理 python src/seg_demo.py \ --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \ --video_path data/videos/video_heng.mp4 \ --bg_img_path data/images/bg_2.jpg \ --use_post_process \ --save_dir data/videos_result/video_heng_v2_withbg_usepostprocess.avi # 竖屏视频 + DIS 光流去抖 python src/seg_demo.py \ --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml \ --video_path data/videos/video_shu.mp4 \ --save_dir data/videos_result/video_shu_v2_use_optic_flow.avi \ --vertical_screen \ --use_optic_flow # 摄像头实时分割（横屏） python src/seg_demo.py \ --config inference_models/portrait_pp_humansegv2_lite_256x144_inference_model_with_softmax/deploy.yaml

4.8 端侧与多平台部署

PP-HumanSeg 系列推理模型与 PaddleSeg 其他模型部署方式一致：

• 服务端 Python 推理：docs/deployment/inference/python_inference.md
• 服务端 C++ 推理：docs/deployment/inference/cpp_inference.md
• 边缘设备（PaddleLite）：docs/deployment/lite/lite.md
• Web 端（Paddle.js）：docs/deployment/web/web.md

移动端部署效果示例见 deploy/lite/example/（含人像分割 demo 展示图）；Web 端基于 Paddle.js 还提供了"人像快照""视频背景替换与弹幕穿透"等在线体验能力（contrib/PP-HumanSeg/README.md 中有相关介绍，属于该系列模型的典型落地场景）。

五、与 V2-Lite 的关系及选型建议

• V1-Lite（本文主角，ConnectNet）：2.3MB，398x224 输入，ARM CPU 单帧约 29.68ms，mIoU 93.60%，适合对体积敏感、算力受限且画幅为 16:9 的场景；
• V2-Lite：5.4MB，256x144 输入，ARM CPU 单帧约 15.86ms，mIoU 96.63%，相比 V1 推理提速 45.5%、mIoU 提升 3.03%，采用 MobileNetV3 骨干 + 多尺度特征聚合 + 迁移学习（先在大型通用人像数据集预训练，再在小型人像数据集微调），详见 contrib/PP-HumanSeg/configs/portrait_pp_humansegv2_lite.yml。

选型建议：追求最小体积与最简结构选 V1-Lite；追求更高精度与更快速度（允许略大的模型体积）选 V2-Lite。两者都支持无成本直接集成产品，也支持基于预训练权重在自有数据上微调（contrib/PP-HumanSeg/README.md 第 6 节给出了完整流程）。

六、常见问题与注意事项

1. 输入尺寸一致性：训练、导出、推理三阶段的输入分辨率（398x224）必须一致，导出配置 configs/pp_humanseg_lite/pp_humanseg_lite_export_398x224.yml 与训练配置中的Resize target_size应保持相同，否则导出后精度会异常；
2. 横竖屏处理：模型默认按横屏（宽>高）设计，竖屏输入时需在seg_demo.py中加--vertical_screen，先旋转图像使人像保持竖直方向再推理；
3. 输出通道数：软输出（softmax，双通道概率）适合后处理与背景合成；硬输出（argmax，单通道掩码）体积小、适合直接取分割结果，按部署需求在tools/export.py中通过--with_softmax/--without_argmax控制；
4. 泛化性验证：通用人像分割场景图像多样，上线前应结合真实场景评估发布模型的精度；若不满足，需自行标注数据并用预训练权重微调（contrib/PP-HumanSeg/README.md 明确指出该建议）；
5. 视频抖动：视频分割易出现帧间抖动，可用--use_post_process对 logit 做后处理，或用--use_optic_flow（DIS 光流算法，需 opencv-python > 4.0）缓解闪烁。

总结

PP-HumanSeg-Lite（ConnectNet）以"通道半分叉倒残差 + 深度可分离卷积 + 通道混洗 + 高分辨率捷径融合"的轻量化设计，在 2.3MB 体积下实现了移动端 29.68ms/帧的实时人像分割，是 Web 与移动端实时分割场景的成熟落地方案。通过 configs/pp_humanseg_lite/ 下的训练与导出配置，结合 contrib/PP-HumanSeg 的完整工具链（下载、训练、评估、预测、导出、seg_demo 实时演示），开发者可以快速完成从训练到多端部署的端到端集成；如需更高精度与更快速度，可平滑升级至 PP-HumanSegV2-Lite。

• 人工智能
• 计算机视觉
• 预训练