北京根治皮炎医院 https://m-mip.39.net/fk/mip_9278663.html
相信很多人都看过电影《变形金刚》，电影中经常可以看到大黄蜂变身的跑车飞驰在公路之上，可是大家有没有仔细想过，大黄蜂是怎么知道马路中间是黄实线还是黄虚线，到底能不能压线，能不能掉头呢？要知道差一点没分清楚，那就是块钱罚3分的下场。说到这里那些了解图计算机视觉的小伙伴们应该就会想到这个领域的核心研究方向之一的图像分割技术（ImageSegmentation）。什么是图像分割？图像分割是一种将图像分成若干个特定的、具有独特性质的区域并提取出感兴趣目标的技术和过程。从数学角度来看，图像分割是将图像划分成互不相交的区域的过程。如图1所示，随着人工智能的发展，图像分割技术已经在交通控制、医疗影像和工业用表识别等多个领域获得了广范的应用。为了让广大开发者可以方便快捷的将图像分割技术应用到自己的业务中，飞桨开发了一整套图像分割模型库，这就是我们接下来要介绍的PaddleSeg。什么是PaddleSeg?早在年秋季的时候飞桨就已经正式发布了图像分割模型库PaddleSeg，这是一款如同工具箱般便捷实用的图像分割开发套件，该套件具有模块化设计、丰富的数据增强、高性能、工业级部署四大特点：模块化设计：支持U-Net、DeepLabv3+、ICNet和PSPNet等多种主流分割网络，结合预训练模型和可调节的骨干网络，可以满足不同性能和精度的要求；PaddleSeg提供了不同的损失函数，如DiceLoss、BCELoss等类型，通过选择合适的损失函数，可以强化小目标和不均衡样本场景下的分割精度。丰富的数据增强：基于百度视觉技术部的实际业务经验，内置10+种数据增强策略，可结合实际业务场景进行定制组合，提升模型泛化能力和鲁棒性。高性能：PaddleSeg支持多进程IO、多卡并行、跨卡BatchNorm同步等训练加速策略，结合飞桨开源框架的显存优化功能，可以大幅度减少分割模型的显存开销，更快完成分割模型训练。工业级部署：全面提供服务端和移动端的工业级部署能力，依托飞桨高性能推理引擎和高性能图像处理，开发者可以轻松完成高性能的分割模型部署和集成。并且通过PaddleLite，用户可以在移动设备或者嵌入式设备上完成轻量级、高性能的人像分割模型部署。正因为上述特点，用户仅需要少量代码或指令就可以根据使用场景从PaddleSeg中选择并组合出合适的图像分割方案，从而更快捷高效地开发出从训练到部署的全流程图像分割应用。如今PaddleSeg升级了！为了不断追求卓越，此次随着飞桨开源框架升级到1.7版本，PaddleSeg再度重磅出击。如图2所示，如今的PaddleSeg无论在性能上，还是在模型丰富度上都做出了提升！01新增高精度图像分割模型HRNetHRNet（High-ResolutionNet）模型最大的特点就是可以使图像在整个处理过程中保持高分辨率特征，这和大多数模型所使用的从高分辨率到低分辨率网络（high-to-lowresolutionnetwork）产生的低分辨率特征中恢复高分辨率特征有所不同。如图3所示，HRNet以高分辨率子网开始作为第一阶段，逐个添加由高到低分辨率子网以形成更多阶段，同时并行连接多分辨率子网络。在整个过程中反复交换并行多分辨率子网络中的信息来进行重复的多尺度融合。在像素级分类、区域级分类和图像级分类任务中，都证明了这些方法的有效性。这样的网络结构特点使得HRNet网络能够学习到更丰富的语义信息和细节信息，因此HRNet在人体姿态估计、语义分割和目标检测领域都取得了显著的性能提升。如下表所示，基于Cityscapes数据验证集进行测评，HRNet的分割精度最高。HRNet模型使用教程请参见：

转载请注明:http://www.aideyishus.com/lkzp/5961.html