Heiß auf GitHub! Dieses Artefakt ist Open Source!

In letzter Zeit können die größten Neuwagenhersteller der Welt nicht beliebter werden! Der Redakteur ist wirklich neidisch, als er den steigenden Aktienkurs sieht. Jeder, der die Branche kennt, weiß, dass große Unternehmen, allen voran Tesla, Computer Vision als technische Grundlage für autonomes Fahren nutzen. Mithilfe der Bildsegmentierungstechnologie können Autos klar unterscheiden, wo sich die Straße befindet und wo sich Menschen befinden.

Muss ich betonen, ob Bildsegmentierung wichtig ist? Die Open-Source-Suite, die ich Ihnen heute vorstellen möchte, deckt die modernsten Bildsegmentierungsalgorithmen der Branche ab und liefert hervorragende Ergebnisse. Das ist PaddleSeg! ! OMG, worauf wartest du? ! Überzieh ihn! Überzieh ihn! Überzieh ihn!

Auf der geplanten globalen Computer-Vision-Konferenz CVPR2021 glänzte PaddleSeg erneut. Unter ihnen ist die AutoNUE Challenge in den letzten Jahren eine sehr einflussreiche Veranstaltung im Bereich des Verständnisses autonomer Fahrszenen, bei der die Fähigkeiten der Teilnehmer im Bereich semantischer Segmentierungsalgorithmen in unstrukturierten Umgebungen getestet werden. Das Baidu PaddleSeg-Team besiegte schließlich die anderen teilnehmenden Teams und gewann die Meisterschaft, indem es in den drei Testindikatoren Level 1, Level 2 und Level 3 den ersten Platz belegte.

Ängstliche Freunde können direkt zu den Spieldetails gehen:

https://bj.bcebos.com/paddleseg/docs/autonue21_presentation_PaddleSeg.pdf

Was genau ist PaddleSeg? Der Herausgeber ging zu GitHub, um die offizielle Erklärung herauszufinden:

PaddleSeg ist ein End-to-End-Bildsegmentierungs-Entwicklungskit, das auf PaddleSeg basiert und eine große Anzahl hochwertiger Segmentierungsmodelle in verschiedenen Richtungen abdeckt, z. B. hohe Präzision und geringes Gewicht . Durch den modularen Aufbau hilft es Entwicklern, die Bildsegmentierungsanwendung für den gesamten Prozess von der Schulung bis zur Bereitstellung abzuschließen. Lassen Sie mich Ihnen etwas über die Funktionen und jüngsten Updates von PaddleSeg erzählen:

hat die Porträtsegmentierungsfunktion neu aktualisiert und bietet eine ultraleichte Modellbereitstellungslösung im Web

hat die verfeinerte Segmentierungslösung PaddleSeg-Matting eingeführt;

Der Panorama-Segmentierungsalgorithmus Panoptic-DeepLab wurde als Open-Source-Lösung bereitgestellt und bereichert die Modelltypen.

Das intelligente Annotationstool EISeg für die interaktive Segmentierung wurde veröffentlicht. Verbessert die Etikettiereffizienz erheblich.

Web-Videokonferenzen

Matting

Panoramic Split

Interactive Split

bietet eine Bereitstellungsmethode auf industrieller Ebene. Jetzt sind so viele neue Funktionen hinzugefügt worden. Man kann sagen, dass PaddleSeg die Bedürfnisse von Entwicklern in allen Dimensionen umfassend und dreidimensional erfüllen kann. Ich muss laut sagen:

So ein gutes Produkt, warum greifst du nicht schnell zu?

Einsteigen in den Bus Adresse:

https://github.com/PaddlePaddle/PaddleSeg

Porträtsegmentierungslösung auf Industrieniveau PPSeg

Porträtsegmentierung ist eine sehr häufige Anwendung im Bildbereich Segmentierung. Im eigentlichen Bewerbungsprozess stammen die Datensätze chinesischer Porträts aus verschiedenen Quellen. Die Daten können von Mobiltelefonen, Kameras, Überwachungskameras usw. stammen. Die Bildgröße kann horizontal, vertikal oder quadratisch sein. Es gibt verschiedene Bereitstellungsszenarien: Einige Anwendungen befinden sich auf der Serverseite, einige Anwendungen auf der mobilen Seite und einige Anwendungen auf der Webseite. Zu diesem Zweck hat das PaddleSeg-Team ein Porträtsegmentierungs-PPSeg-Modell gestartet, das auf großen Porträtdaten trainiert wurde, um den Anforderungen mehrerer Nutzungsszenarien auf dem Server, Mobilgeräten und im Web gerecht zu werden (Paddle.js).

PPSeg-Modell ist in der Industrie weit verbreitet. Kürzlich hat „Baidu Video Conference“ auch eine virtuelle Hintergrundfunktion eingeführt, die es Benutzern ermöglicht, während Videokonferenzen den Hintergrund zu wechseln. Unter ihnen übernimmt das Porträt-Hintergrundwechselmodell das ultraleichte Modell in der vom PaddleSeg-Team entwickelten PPSeg-Modellreihe. Über Paddle.js wird es auf der Webseite bereitgestellt und nutzt direkt die Rechenleistung des Browsers, um die Bildsegmentierung durchzuführen. Der Segmentierungseffekt wurde gut angenommen.

Detaillierte Erklärung von Lösungen auf industrieller Ebene:

https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.2/contrib/HumanSeg

Freunde können auch die Baidu-Homepage besuchen, um Baidu-Videos zu erleben Erleben Sie bei Konferenzen intuitiv die Porträtsegmentierungsfunktion von PaddleSeg und Paddle.js.

Verfeinerte Segmentierungslösung PaddleSeg-Matting

Mit der Entwicklung der Segmentierungstechnologie werden die Anforderungen der Menschen an eine verfeinerte Segmentierung immer höher. Beispielsweise werden in einigen Film- und Fernsehbranchen häufig Greenscreens verwendet, um den Hintergrund der Aufnahme zu ändern. Wenn das Ziel jedoch nicht darin besteht, vor einem Greenscreen zu drehen, kann damit dennoch eine gute Hintergrundsegmentierungsfunktion erreicht werden?

Die Antwort lautet: Ja!

Die aktuelle Open-Source-Feinsegmentierungslösung PaddleSeg-Matting vom PaddleSeg-Team löst dieses Problem sehr gut. Das Zielhaar wird präzise segmentiert.

PaddleSeg realisiert die Alpha-Vorhersage durch den integrierten Trimap-Generierungsmechanismus, der die Vorhersage ohne die Eingabe von Hilfsinformationen abschließen kann, wodurch die Arbeitskosten erheblich gesenkt werden. Reduzieren Sie die Anzahl der Netzwerkparameter durch die gemeinsame Nutzung von Encodergewichten und verwenden Sie das Aufmerksamkeitsmodul in der Decoderphase, um eine Trimap-Informationsflussführung für die Alpha-Vorhersage zu implementieren. Verwenden Sie dann die Fehlerkarte, um den Patch des falsch geschätzten Bereichs zu extrahieren, und verfeinern Sie ihn über das Verfeinerungs-Subnetzwerk, um das endgültige Alpha zu erhalten.

Interaktives Segmentierungs-Intelligentes Annotation-Tool

In der Branche gibt es ein Sprichwort über künstliche Intelligenz: „Wie intelligent Deep Learning ist, wie viel künstliche Intelligenz steckt dahinter.“ Dieser Satz drückt direkt den Schmerz in den Herzen der Deep-Learning-Praktiker aus. Schließlich spielt die Qualität des Modells eine große Rolle, aber die Kosten für die Datenkennzeichnung bereiten vielen Praktikern Kopfzerbrechen.

Aus diesem Grund hat das PaddleSeg-Team die interaktive Segmentierungs-Annotationssoftware EISeg auf den Markt gebracht. Was genau ist interaktive Segmentierung? Finden Sie es anhand des dynamischen Diagramms unten heraus.

Es ist nicht schwer herauszufinden, dass die interaktive Segmentierung die Kantensegmentierung des Zielobjekts durch eine Reihe grüner Punkte (positive Punkte) und roter Punkte (negative Punkte) erreicht Bildbearbeitung und halbautomatische Anmerkung, die auf Szenarien wie verfeinerte Anmerkung, Ausschnitt und zusätzliche Bildnachbearbeitung (z. B. PS) angewendet werden können.

Das PaddleSeg-Team und die PaddleCV-SIG-Mitglieder haben das branchenweit erste leistungsstarke interaktive Segmentierungstool EISeg auf Basis des RITM-Algorithmus auf den Markt gebracht. Wir unterstützen den gesamten Prozess des Trainings, der Vorhersage und der Interaktion des RITM-Modells. Das interaktive Segmentierungsmodell von PaddleSeg unterstützt nicht nur das Training leistungsstarker allgemeiner Szenenmodelle von Grund auf, sondern unterstützt auch Finetune für bestimmte Szenendaten. Wir verwenden Baidus selbst erstellten Porträtdatensatz, um das Modell zu verfeinern und ein interaktives Porträtsegmentierungsmodell mit schneller Vorhersagegeschwindigkeit, hoher Genauigkeit und wenigen Interaktionspunkten zu erhalten.

Die Software bietet verschiedene Installationsmethoden und unterstützt Benutzer bei der Installation. Darüber hinaus werden ausführbare Exe-Dateien unter Windows bereitgestellt. Doppelklicken Sie auf die EXE-Datei, um das Programm auszuführen.

Panoptic-DeepLab

Panoptische Segmentierung ist ein neues Feld, das in den letzten Jahren im Bereich der Bildsegmentierung entstanden ist. Es wurde erstmals 2018 von FAIR und der Universität Heidelberg vorgeschlagen.

Was ist Panoramasegmentierung?

Die Informationen des Bildes können in Dinge und Dinge unterteilt werden, wobei Dinge zählbare Objekte wie Autos, Tiere usw. darstellen und Dinge unzählige Objekte wie Strände, Himmel usw. darstellen. Bei der Aufgabe der semantischen Segmentierung wird nicht darauf geachtet, ob es sich bei dem Bild um ein Material oder eine Sache handelt, sondern nur um die semantische Kategorie, zu der jedes Pixel gehört, sodass Instanzobjekte nicht unterschieden werden können. Die Instanzsegmentierung konzentriert sich auf die Segmentierung von Dingen, die Identifizierung von Dingen im Bild, die Unterscheidung verschiedener einzelner Instanzen und entsprechender semantischer Informationen, und der Materialbereich wird einheitlich als Hintergrund dargestellt. Bei der Panoramasegmentierung handelt es sich um eine Technologie, die semantische Segmentierung und Instanzsegmentierung kombiniert. Dabei werden verschiedene Einzelinstanzen und entsprechende semantische Informationen identifiziert.

Panoptic DeepLab erreicht erstmals modernste Leistung in Form von Bottle-Up- und Single-Shot-Algorithmen. Im Vergleich zu Top-Down-Algorithmen erreicht Panoptic DeepLab sowohl Genauigkeit als auch Geschwindigkeit mit einer einfachen Netzwerkstruktur und ist damit wegweisend Panorama-Segmentierung: Eine neue Richtung für den Algorithmus. Das aktuelle Top-Ranking der Cityscape-Panorama-Segmentierung basiert auf diesem Algorithmus.

Vollständige Ansicht von PaddleSeg

• All-Star-Algorithmus-Reihe

20+ hochpräzise semantische Segmentierungsalgorithmen, die in ähnlichen Frameworks umfassend führend sind, 50+ vorab trainierte Modelle wurden hinzugefügt Panorama-Segmentierungsalgorithmen, die die Anwendungsszene bereichern. Bietet einen hochpräzisen Portrait-Segmentierungsalgorithmus HumanSeg, um eine Multi-End-Bereitstellung zu ermöglichen.

• Die Bereitstellung der gesamten Industriekette

unterstützt nicht nur die Entwicklung dynamischer Grafiken und kann die dynamische und statische Konvertierung reibungslos abschließen, sondern auch den gesamten Prozess von der Datenvorverarbeitung über das Algorithmustraining bis hin zur Optimierung glätten. Komprimierung, Multi-Terminal-Bereitstellung usw. Die Integration hat die Benutzerentwicklung erheblich vereinfacht und die Implementierung von Anwendungen für die Algorithmenindustrie beschleunigt. Paddle.js unterstützt insbesondere die webseitige Bereitstellung und bietet so mehr Möglichkeiten für die webseitige Bereitstellung.

Worauf wartest du? ! Ein so hochwertiges Produkt, das mit so viel Sorgfalt entwickelt wurde, warum beeilen Sie sich nicht und nehmen Sie es in Ihre Star-Sammlung auf!

Portal:

https://github.com/PaddlePaddle/PaddleSeg