深度学习最热的方向有哪些？来听听百度的大佬怎么说

作为人工智能、机器学习的重要分支，深度学习在当前 AI 领域的实践中起到了至关重要的作用。自2012年进入爆发期后，一路高歌猛进的深度学习技术，似乎正在进入一个发展的瓶颈期。

 

随着国内外科技巨头的大力发展，深度学习在图像识别、语音语义、自动驾驶、大数据学习等实践场景下都取得了不俗的成绩，打造一款高效易用的深度学习计算引擎正在成为当下各家深度学习平台的着力点。Google、Facebook、微软、Amazon、百度等巨头，正在将深度学习平台的“战争”拖入到下半场。

 

随着计算机视觉的发展，图像语义分割技术渐入被熟知，而该技术的广泛应用性也越来越备受重视。区别于图像分类与物体检测，图像语义分割的目标是给图像中的每一个像素点都标注一个标签。因此，简单理解就是要把图像中所包含的每个类别，都不多不少的从原图中标注出来——这也表达出人们对于机器在图像处理上的渴望：让计算机理解图像中的每一个像素点的语义信息，从而让计算机像人一样去看图像，理解图像。

作为图像理解的重要基石，图像语义分割技术在自动驾驶系统、无人机应用、工业质检等应用中都有着举足轻重的作用。例如，以往的工业质检环节，大多需要依靠“人眼”进行判断。以一家3C制造工厂为例，一线质检员们对着单个零件，要用细致入微的方式从十多个角度查看，平均每分钟检测19个，一天下来就是一万多个。如此高强度的工作，一方面效率低、成本高、质检质量难以保证;另一方面还容易造成员工疲累、视力损伤等问题。而随着AI向制造业渗透落地，质检开始通过图像分割等技术找到更好的解决方案。

本期百度举办的免费活动将介绍到的PaddleSeg，就是服务于这些“更好的解决方案”的。PaddleSeg是基于百度飞桨深度学习框架实现的图像语义分割模型库，它经过了百度公司内部多产品线的实战检验，以高性能、丰富的数据增强、工业级的部署和端到端的体验特性面向大众开源。

本期实战营，课程将聚焦“语义分割”专题，由百度三位明星讲师，通过百度飞桨语义分割库PaddleSeg为大家带来技术详解和实战应用，并通过基于DeepLabv3+人像分割案例现场带大家感受技术硬实力。

注：本次活动适合深度学习一年以上的，CV方向的在职研发者参与

扫码免费报名

关于PaddleSeg

PaddleSeg经过了百度公司内部多产品线的实战检验，包括：百度无人车、AI开放平台人像分割、小度P图等等。PaddleSeg是真正源于产业实践的开源图像语义分割模型库。

PaddleSeg是基于百度飞桨深度学习框架实现的图像语义分割模型库。PaddleSeg已经覆盖了DeepLabv3+、U-Net、ICNet三套主流分割模型，通过统一的配置，帮助用户更便捷地完成从训练到部署的全流程图像分割应用，具备高性能、丰富数据增强、工业级部署、端到端体验的特性。

DeepLabv3+ 是DeepLab语义分割系列网络的最新作， DeepLab的作者通过encoder-decoder进行多尺度信息的融合，同时保留了原来的空洞卷积和ASSP层，其骨干网络使用了Xception模型，提高了语义分割的健壮性和运行速率，在PASCAL VOC 2012 dataset取得新的state-of-art performance，89.0mIOU。

U-net网络是一个基于CNN的图像分割网络 ，主要用于医学图像分割上，网络最初提出时是用于细胞壁的分割，之后在肺结节检测以及眼底视网膜上的血管提取等方面都有着出色的表现。

ICNet 主要用于图像实时语义分割，能够兼顾速度和准确性。ICNet的主要思想是将输入图像变换为不同的分辨率，然后用不同计算复杂度的子网络计算不同分辨率的输入，然后将结果合并。

扫码免费报名

干货满满的现场，行业A级的导师，还有一群志同道合的小伙伴，还在等什么？ 免费名额有限，赶快扫描上方图片二维码或者点击 阅读原文 报名参加吧！