语义分割
语义分割是当今计算机视觉领域的关键问题之一。从宏观上看,语义分割是一项高层次的任务,为实现场景的完整理解铺平了道路。场景理解作为一个核心的计算机视觉问题,其重要性在于越来越多的应用程序通过从图像中推断知识来提供营养。
其中一些应用包括自动驾驶汽车、人机交互、虚拟现实等,近年来随着深度学习的普及,许多语义分割问题正在采用深层次的结构来解决,最常见的是卷积神经网络,在精度上大大超过了其他方法。以及效率。
标题TDA2x Semantic Segmenation
TITDA2x作为一款车规级芯片同样提供了基于道路场景的语义分割用用例,用例的流程图如下所示:
调用了一个ARM和4路EVE完成整个功能,ARM上主要负责视频流编解码以及显示,而EVEs上负责深度学习语义分割的处理。
先附上效果图
整体分割效果不错,能准确分割车、人、地面、交通标识,且误检率较低。但是存在视频流卡顿的问题,在打印log信息以及咨询TI工程师之后确认,是由于芯片算例处理能力有限造成的,TI每一个EVE单