实战源码,PP-LiteSeg集速度快、精度高、易部署等为一体,行业应用实战必备
图像分割技术在医疗病灶分析、自动驾驶车道线分割、绿幕人像抠图等领域发挥着举足轻重的作用。相比目标检测、图像分类等技术,图像分割需要将每个像素点进行分类,在精细的图像识别任务中不可替代。
正因如此,DeepLabv3、OCRNet、BiseNetv2、Fast-SCNN等优秀算法层出不穷,然而在实际产业落地过程中往往需要综合考虑硬件性能、精度等多方面因素,对算法的需求也是苛刻的。往往业界算法在保障高识别精度的情况下,就会牺牲算法运行速度;反之追求速度,则会带来精度的大幅度损失。
如何能同时实现速度和精度的均衡,在当前云、边、端多场景协同的产业大趋势下高标准满足产业需求,是各届研究人员致力投入的方向。 PP-LiteSeg就是这样一个同时兼顾精度与速度的SOTA(业界最佳)语义分割模型。它基于Cityscapes数据集,在1080ti上精度为mIoU 72.0时,速度高达273.6 FPS , (mIoU 77.5 时,FPS为102.6),超越现有CVPR SOTA模型STDC,真正实现了精度和速度的SOTA均衡。
![](https://i-blog.csdnimg.cn/blog_migrate/102a6d823a9d96153d4f8eb2c93599f1.png)
空口无凭,欢迎优秀的你直接试用! (记得Star收藏跟进最新状态) 传送门:https://github.com/PaddlePaddle/PaddleSeg
![](https://i-blog.csdnimg.cn/blog_migrate/bb40e04a8edc9bcc327a9075b0b4f6a9.png)
更值得令人惊喜的是,PP-LiteSeg不仅在开源数据集评测效果优秀,在产业数据集也表现出了惊人的实力!例如在质检、遥感场景,PP-LiteSeg的精度与高精度、大体积的OCRNet持平,而速度却快了近7倍!!!
![](https://i-blog.csdnimg.cn/blog_migrate/292b219f85086b3a7fecb6aeb29ff4c0.png)
那PP-LiteSeg如此优秀,该如何使用呢? PP-LiteSeg被集成在端到端的图像分割工具PaddleSeg中,用户简单配置即可运行起来,官方教程也提供了完备的使用流程,官方为了能够让大家使用也是准备了丰富的应用材料,可以说是诚意满满!
![](https://i-blog.csdnimg.cn/blog_migrate/12fe2f9694386676a169f847d44fb705.png)
同时,为了帮助大家更好的产业落地,也提供了多种部署方式,支持大家快速应用在产业时间当中。
![](https://i-blog.csdnimg.cn/blog_migrate/c5da604659193f354a6adb373f6a3f65.png)
小伙伴可以尽快点击链接,尽快享用。 https://github.com/PaddlePaddle/PaddleSeg/tree/develop/configs/pp_liteseg
为了让开发者们更深入的了解PP-LiteSeg这个SOTA模型,解决落地应用难点,掌握产业实践的核心能力,4月26日20:30飞桨团队精心准备了精品直播课!