以Tesla为首的世界各新势力的汽车制造商最近火了。 过山车般的股价也证明了各界对自动驾驶行业的热切期待。 Tesla经过多方面的权衡最终采用了纯视觉识别的方案，该方案比激光雷达方案成本低，具有更强的统一性。 图像分割技术作为视觉识别技术中的重要模块，是能够准确区分智能汽车在哪里是路、哪里是人的关键
今天小编为大家介绍的项目，不仅涵盖了业界最主流的DeepLab、UNet等23个系列的60多个语义分割算法和预训练模型，还包括在全球计算机视觉顶会CVPR2021上AutoNUE挑战中获得冠军的语义分割算法、实时高精度人像分割算法PP
不仅如此，基于交互式分割算法的智能标注工具 EISeg！
网络视频会议
市场营销
全景分割
交互式分割
简而言之，这个项目可以全方位、立体地满足开发者在图像分割方向上的各个维度的需求。 不得不说太多：
这么好的产品，要不要早点收藏在Star上仔细研究？
乘车地址：
3359 github.com/paddle paddle/paddle seg
我没净胡说八道，请小编分析一下这个项目有什么优点。
产业级人像分割方案PPSeg人像分割是图像分割领域非常常见的应用，在实际应用过程中，人像数据集来源多种多样，数据可能来源于手机、相机、监视器等，图像大小可以来自横屏、竖屏或屏幕部署场景多种多样，有些APP应用程序位于服务端，有些APP应用程序位于移动端，其他APP应用程序位于网页端。为此 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，满足在服务端、移动端、Web 端（Paddle.js）多种使用场景的需求。
最近，“百度视频会议”也上线了虚拟背景功能，通过Padddle.js实现web端部署，支持用户在视频会议期间切换背景。
伙伴们也可以到百度主页体验百度视频会议，直观体验PaddleSeg和Paddle.js为大家提供的人物分割功能。
随着精细化的分割解决方案 PaddleSeg-Matting分割技术的发展，人们对分割的精细化的要求也越来越高。 例如，在一些电影行业，绿帘经常被用作改变拍摄背景的工作，但以不在绿帘前拍摄为目标，能否充分达到背景分割功能呢？
回答是“可以的！
最近，PaddleSeg团队的开源精细化分割解决方案 PaddleSeg-Matting很好地解决了这个问题。 准确地分割了目标的发际线。
PaddleSeg通过内置的trimap生成机制实现了alpha预测，无需输入辅助信息即可完成预测，大大降低了人工成本。 通过共享编码器权重来减少网络参数量，在解码器阶段利用attention module实现trimap信息流对alpha预测的指导。 然后，利用error map提取误差估计区域的patch，通过精细子网进行精细，从而得到最终的。
交互式分割智能标注工具业界对人工智能的描述如下。 “深度学习有多少智能，背后有多少人工？” 这句话直截了当地表达了深度学习运营商的内心痛苦，还是模型好坏的数据占很大的因素，但数据的书写成本困扰着很多运营商的伙伴们。
为此，PaddleSeg团队和PaddleCV-SIG成员基于RITM算法推出了业界首款高性能的交互式分割工具EISeg。 它可以在一系列绿点(正点)和红点(负点)处准确分割目标对象的边缘，用于图像编辑、半自动标记，可以细化标记、抠图、辅助图像的后处理)的例子)
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。
你还在等什么？！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
扫码报名，立即加入技术交流群
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～～
点击“阅读原文”，即可参与报名