来源：DataFunTalk
本文约1400字，建议阅读5分钟 本文为大家介绍 CVPR 2021 顶会冠军图像分割算法。

以Tesla为首的全球各大新势力造车企业最近简直火的不能再火，过山车似的股价也足以证明各界对自动驾驶行业炽烈的期待！ 而Tesla经过多方面权衡最终采用纯视觉识别的方案，这种方案相比激光雷达方案有更低成本以及更强的统一性。而图像分割技术，作为视觉识别技术中举足轻重的模块，是智能车得以精准区分哪里是路，哪里是人的关键！

而今天我们要给大家介绍的这个项目，它不仅涵盖业界最主流的DeepLab、UNet等23个系列60多个语义分割算法及预训练模型， 还新发布了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，还有实时高精度人像分割算法PPSeg、即将开源的精细化的分割PaddleSeg-Matting、全景分割算法Panoptic-DeepLab！

不仅如此，它还提供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

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：

这么好的产品，还不赶紧Star收藏起来细细研究？！

上车地址：

https://github.com/PaddlePaddle/PaddleSeg

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。

而近期“百度视频会议”也上线了虚拟背景功能，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！

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。

因此，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。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

编辑：于腾凯