点击左上方蓝字关注我们
在如期举行的全球计算机视觉顶会 CVPR2021 上，PaddleSeg 再次绽放高光。其中 AutoNUE 挑战赛是近年来自动驾驶场景理解领域极具影响力的一场赛事，非常考验参赛者在非结构化环境中的语义分割算法能力。百度 PaddleSeg 团队最终击败其余参赛队伍，在 Level 1， Level 2， Level 3 三项测试指标上均以第一名的成绩摘获冠军。
Web 视频会议
全景分割
这么好的产品，还不快上车/p>
上车地址：
https://github.com/PaddlePaddle/PaddleSeg
产业级人像分割方案PPSeg
产业级解决方案详解：
https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.2/contrib/HumanSeg
小伙伴们也可前去百度首页体验百度视频会议，直观体验一下 PaddleSeg 和 Paddle.js 为大家提供的人像分割功能。
精细化的分割解决方案 PaddleSeg-Matting
随着分割技术的发展，人们对分割的精细化的要求也越来越高。比如在一些影视行业，绿幕作为拍摄的换背景常用的工作，但目标不在绿幕前拍摄，是否还能达到很好的背景分割功能呢br>
答案是：能！
最近 PaddleSeg 团队开源的精细化分割解决方案 PaddleSeg-Matting 就很好的解决了这个问题。将目标的发丝实现了精准的分割。
交互式分割智能标注工具
业界对于人工智能有这么一句话：“深度学习有多智能、背后就有多少人工”。这句话直接说出了深度学习从业者心中的痛处，毕竟模型的好坏数据占据着很大的因素，但是数据的标注成本却让很多从业的小伙伴们感到头疼。
为此 PaddleSeg 团队重磅推出的交互式分割智能标注软件EISeg 那具体什么是交互式分割呢过下面的动态图来了解一下。
PaddleSeg 团队联合 PaddleCV-SIG 成员基于 RITM 算法，推出了业界首个高性能的交互式分割工具 EISeg，我们支持对 RITM 模型的训练、预测及交互的全流程。PaddleSeg 交互式分割模型不仅仅支持从头训练强大的通用场景模型，还支持对特定场景数据进行 Finetune。我们利用百度自建人像数据集对模型 Finetune，得到预测速度快，精度高，交互点少的人像交互式分割模型。
Panoptic DeepLab 首次以 bottem-up 和 single-shot 算法形式达到 state-of-the-art 性能，相比于 top-down 算法 Panoptic DeepLab 以简单的 络结构实现了精度、速度双超越，开创了全景分割算法新方向，目前 Cityscape 全景分割榜首即基于该算法。
精彩课程抢先看
7.13-15日每晚 8:15-9:30
百度高工将为我们带来
“全球冠军带你实现产业级图像分割“的精彩直播课
小伙伴们快戳二维码抢座
我们直播间不见不散～～
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！