近幾年，人工智能技術飛速成長，人們不斷學習開拓著人工智能在各領域所帶來的便捷和高效。小到生活場景中證件照上的快速智能摳圖，大到工業(yè)場景中的產(chǎn)品質(zhì)檢效率提升，處處體現(xiàn)著人工智能的“加速度”，而這些應用場景背后有一個共同點，那就是對于圖像分割技術的運用。基于百度大腦飛槳開發(fā)的圖像分割庫PaddleSeg正在此領域集中“發(fā)力”，其覆蓋了目前主流的分割模型，能夠通過統(tǒng)一的配置，幫助開發(fā)者便捷地完成從訓練到部署的全流程圖像分割應用。

11月30日，在北京百度大廈開展的AI快車道——企業(yè)深度學習實戰(zhàn)營活動中，百度多位研發(fā)工程師化身“講師”為開發(fā)者深度解析飛槳工業(yè)級圖像分割庫PaddleSeg的技術與應用?；顒又?，講師們通過案例向開發(fā)者們介紹了PaddleSeg，以及其具有豐富的數(shù)據(jù)增強、模塊化設計、高性能和工業(yè)級部署等的特性。

據(jù)介紹，PaddleSeg自上線以來，重點針對圖像分割領域，面向開發(fā)者提供了完備且易用的工業(yè)級分割模型庫，在短視頻人像特效、證件照智能扣圖、人體特效、影視后期處理等場景中，通過內(nèi)置10多種數(shù)據(jù)增強策略，將圖像進行數(shù)據(jù)預處理和模型后處理，圖像在模型中自動變化尺度角度，從而提高數(shù)據(jù)的豐富性以及在人像分割時提取“標注物”的準確度。同時，飛槳PaddleSeg也將自身優(yōu)勢發(fā)揮在工業(yè)領域，講師現(xiàn)場帶來的電池隔膜產(chǎn)品的質(zhì)檢案例中，通過飛槳豐富的圖像分類模型庫可將電池隔膜按照有無瑕疵快速分類，準確率高達98%，再利用分割模型將瑕疵位置通過分割的方式來計算瑕疵面積，實現(xiàn)產(chǎn)品的分級。PaddleSeg分割的技術同樣可以運用到其他工業(yè)場景下，為工業(yè)領域帶來新一輪助力。

實戰(zhàn)環(huán)節(jié)，講師們以檢測電子元件的劃痕為例，首先使用DeeplabV3+模型進行分割，并由淺入深地指導大家使用PaddleSeg，從數(shù)據(jù)集準備、預訓練模型下載、參數(shù)配置、訓練、評估、預測等流程全面地展示了PaddleSeg的實戰(zhàn)應用。

活動期間，開發(fā)者們興趣不減，通過提問的方式不斷探討PaddleSeg的應用實踐?！癙addleSeg打通了訓練到部署的環(huán)節(jié)，在使用門檻以及易用性上，相比部分開源模型都更加友好“開發(fā)者對其評價道。一位從事遙感研究的開發(fā)者認為，利用PaddleSeg可以對大面積影像的邊緣部分進行精分割，在一定程度上提升地面要素的準確度。

現(xiàn)場，講師為大家解答了圖像分割的傳統(tǒng)方法與深度學習方法的區(qū)別：傳統(tǒng)方法具有泛化能力不足、復雜場景分割精度不高等缺點，PaddleSeg在速度和精準度上相比傳統(tǒng)算法具有顯著提升。整場AI快車道活動也在講師與開發(fā)者們的探討交流中慢慢進入尾聲，開發(fā)者們收獲頗豐。

百度 AI 快車道企業(yè)深度學習實戰(zhàn)營是百度依托自身深厚的深度學習技術實踐經(jīng)驗，面向有 AI 技術需求企業(yè)的算法工程師、架構(gòu)師群體提供的快速應用扶持計劃。計劃的學習內(nèi)容囊括了10套工程實施與深度學習技術落地結(jié)合的詳細方案，覆蓋百度領先的AI技術和業(yè)務應用場景的深入剖析，如OCR、精密儀器質(zhì)檢、推薦排序經(jīng)典場景、遙感圖像處理等。源于百度業(yè)務實踐的深度學習平臺飛槳的性能優(yōu)勢、模型優(yōu)勢、生態(tài)優(yōu)勢的解讀；百度自研和頂級學術會議魁首算法、預訓練模型的詳細介紹，還有與案例和算法緊密相扣的在線實驗，并以“學來即用”的課程，進行業(yè)務問題定位、框架及算法的快速應用培訓，為更多企業(yè)帶去深度學習技術和經(jīng)驗分享。

當然，路途遙遠的小伙伴不用擔心錯過了此次課程，因為AI快車道將在12月7日來到上海百度研發(fā)中心，同樣為大家準備了PaddleSeg以及PaddleHub的深度講解運用課程。關注百度飛槳官網(wǎng)、微信公眾號"飛槳PaddlePaddle"，回復“AI快車道”，即可獲取報名鏈接。

如果到不了現(xiàn)場也不用擔心，可以進入“IT大咖說”網(wǎng)站后搜索“AI快車道”收看活動直播。使用過程中遇到任何問題，大家可通過PaddleSeg官方QQ群與開發(fā)人員進行技術交流及問題反饋 ,下次課堂期待有你的參與。

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。