Press "Enter" to skip to content

炸!自动驾驶界又添利器!

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

 

 

20世纪70年代以来,美、英、德等发达国家纷纷投入研究无人驾驶汽车且取得一定的进展,而中国也在不断加大对自动驾驶汽车的研究力度,国内诸多车企、互联网企业更是纷纷加入布局,以强强联合、优势互补等方式力求在该领域获得更多优势。这场争夺中的重中之重就是能否真正做到帮助人们便捷、安全地出行。这里就离不开自动驾驶技术中非常重要的技术环节“场景理解”,今天就来带大家一起揭秘!

 

 

 

大家都知道自动驾驶场景理解领域具有影响力的一场赛事- 全球计算机视觉顶会CVPR2021上AutoNUE挑战赛 ,今年获得冠军的语义分割算法就是百度飞桨团队的PaddleSeg,小编发现这个项目不仅涵盖了业界最主流的DeepLab、UNet等23个系列60多个语义分割算法及预训练模型,以及实时高精度人像分割算法PPSeg、精细化的分割PaddleSeg-Matting、全景分割Panoptic-DeepLab算法!还有 基于交互式分割算法的智能标注工具 EISeg!

 

 

Web 视频会议

 

 

Matting

 

 

全景分割

 

 

交互式分割

 

着急的小伙伴可以直接传送门查看项目详情并Star收藏:

 

传送门:https://github.com//PaddleSeg

 

简而言之,这个项目可以全方位、立体式地满足开发者在图像分割方向各个维度的需求。不得不大说一声:

 

 

下面,小伙伴们赶紧擦擦口水,来听小编给大家讲讲上面这些花里胡哨的算法都是干嘛的,又有什幺过人之处~

 

产业级人像分割模型PPSeg

 

人像分割技术的应用可谓无所不在!比如抠图、视频会议换背景、人体姿态分析等等。但往往数据来源和算法部署环境非常多样,有手机的、固定摄像头的、移动车载摄像头的等等,不仅如此,不同的光照条件也为人像分割算法带来了极大的考验。基于这样的产业难点,PaddleSeg团队推出了在大规模人像数据上训练的人像分割PPSeg模型,并针对服务端、移动端、Web端(Paddle.js)多种使用场景进行了不同的优化,都获得超群的效果。

 

 

近期“百度视频会议”也上线了基于PPSeg的虚拟背景功能,通过Padddle.js实现了在web端部署,支持用户在视频会议时进行背景切换。

 

 

小伙伴们可以直接去百度首页体验百度视频会议,直观感受PaddleSeg和Paddle.js的能力。

 

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?

 

答案是:能!

 

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幺一句话:“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。

 

因此,业界首个高性能的交互式分割工具EISeg应运而生。它可以通过一系列的绿色点(正点)和红色点(负点)实现对目标对象边缘精准的分割,可以用于图像编辑、半自动标注,从而实现精细化标注,抠图,辅助图像后期处理(例如PS)等场景应用。

 

 

 

PaddleSeg还支持对RITM模型的训练、预测及交互的全流程。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。

 

 

全景分割Panoptic-DeepLab

 

全景分割是图像分割领域在近年来兴起的一个新领域,它融合了语义分割和实例分割的技术,可以识别出已知可数对象(例如车、动物等)的实例语义信息;而对于未知不可数对象(例如沙滩、天空等)识别出单纯的语义信息。

 

 

而PaddleSeg提供的全景分割算法–Panoptic DeepLab以简单的网络结构实现了精度、速度双超越,开创了全景分割算法新方向,也是当前Cityscape全景分割榜首采用的算法。

 

你还在等什幺?!如此用心研发的高水准产品,还不赶紧Star收藏上车!

 

传送门:https://github.com/PaddlePaddle/PaddleSeg

 

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注