VM3.4图像分割模块使用心得（如何选择合适的模型训练？训练及预测需要多少显存最够？有分辨率要求？)
1、图像分割各模式选择流程（共7中模式：图像分割小、中、大，图像比对中、大，自学习比对中、大）
- 单图像分割"中"模式目前不支持多分类
- 自学习模式不要求严格对齐（不同训练图像的前景与背景相似即可）
- 图像比对模式要求严格对齐（允许一定范围内的波动，图像越对齐效果越好）
2、图像分割预测耗时
- 单图像分割耗时：小模型 < 大模型 < 中模型
- 图像比对：
-
-
- 自学习：中 < 大
- 比 对：中 < 大
-
- 总体比较来看耗时：自学习比对<图像比对<单图像分割
- 预测耗时除了与模型本身类别有关外，还与图像分辨率、显卡性能有关。一般来说图像分辨率越小，显卡性能越好，预测耗时越短。
注：效果一般为大模型优于中模型及小模型
如下图为2060Super显卡(8G显卡)在两种不同分辨率下的耗时统计：
3、训练图像分辨率及显存要求问题
推理过程中首先会计算加载图片所需的显存大小，若超过电脑显存就会进入切片的逻辑，会按照PC显存的大小，去选择合适的切片方式（任然有最小切片分辨率限制）。单图像分割模式会对预测图像进行横向切片，图像比对模式会对模板及预测图一起进行横向切片。
一般情况下6G显存可以满足大部分的训练，算法本身并未做分辨率限制。
特殊情况：
- 图像比对大模型。由于需要将模板图（OK图）和训练图（NG图）一起训练（迭代一次的图片数量为分割模型的两倍），6G显存可能不够（若电脑本身占用较多的显存）需要8G。下本版本优化。
- 类别数量较多使用自学习比多模型。由于每种类别都需要建立一个模板一起训练，类别越多模板越多，会导致训练的显存增加导致6G显存不够使用，需要更大的显存。下个版本会优化。
注：图像分割"中模型"训练图像分辨率可以不一致。其余模型软件层做了限制需训练图片保持分辨率一致（为了保证效果，若训练图像分辨率差距过大可能会导致效果较差）。若实际场景中的确无法保证分辨率一致，可以选择云服务器训练，云服务器中图像分割"小、中、大"模型都无做图像分辨率一致限制。
4、预测图像分辨率及显存要求问题
预测模块算法内部会对加载图片进行显存消耗计算，若预测图像的消耗显存大于PC剩余显存，会对图片进行切片。分别对每张切片图像进行预测然后结果拼接。故对于有些较大分辨率的图片预测耗时将会较长，但只需较小显存即可预测。预测最小显存要求为2G，算法限制预测图像最大宽度为14208，最大高度10640。若图片分辨率过大，显存过小，会导致切片切得过小。过小的切片图与训练集图片差异太大会损失一定的性能。
注：实测2G显存笔记本显卡可预测3000W像素彩色图片，耗时为9s😅。
