基于MScaleOCR的城市道路交通要素分割-从数据处理到部署全流程实现

1. 项目说明

图像语义分割在计算机视觉中是一个基本但具有挑战性的任务。它旨在提供详细的像素级图像分类，相当于为每个像素分配语义标签。该技术目前被广泛应用于城市安防、路况判断等系统领域。以我们选用的 KITTI-STEP 数据集为例，该项目的挑战在于：

1. 目标复杂

• 道路复杂，包含直行，转弯，红绿灯路口等；
• 环境复杂，要适应白天、黑夜、雾天和雨天等；
• 场景复杂，城市道路、乡村、高速公路等场景差异性较大；

2. 样本不均衡

• 类别多，包含：路面、人行道、建筑物、墙、栅栏、杆子、交通灯、交通标志、植被、地面、天空、人、骑车的人、车、卡车、巴士、火车、摩托车、自行车；
• 每张图像中最多达15辆车和30个行人，以及各种程度的遮挡与截断；

部分图像示例如下：

  图 1 - KITTI-STEP 数据集示例

完整代码请移步这里哦：基于MScaleOCR的城市道路交通要素分割 - 飞桨AI Studio

欢迎各位朋友扫码获取视频资料加入技术交流群：

2. 安装说明

2.1 环境要求

• paddlepaddle >= 2.0.0rc1
• Python >= 3.6

强烈建议您安装/使用 GPU 版本的 PaddlePaddle。因为分割模型开销很大，当模型运行在 CPU 时可能会出现内存不足。更详细的安装教程请参考 PaddlePaddle 官网

2.2 解压数据及代码

项目代码在 paddleseg-kitti.tar 文件中，数据集在 kittistep.tar 文件中，解压到合适路径即可使用。

In [ ]

# 如果希望解压到其他目录
# 可选择其他路径（默认 /home/aistudio ）
%cd ~
! unzip -qo ~/data/data141231/paddleseg-k