百度飛槳AI快車道圖像語義分割專場（北京站）報名啓動！

本文做者：楊蕊1002

隨着計算機視覺的發展，圖像語義分割技術逐漸映入人們的眼簾，因其普遍的應用性而備受人們的重視。圖像語義分割是圖像理解的重要基石，在自動駕駛系統、無人機應用、工業質檢等應用中舉足輕重。語義分割模型經過神經網絡、深度學習訓練圖像，將對圖像對象的識別轉化爲對像素的識別。

 

本期實戰營，課程將聚焦在「語義分割」的技術詳解和實戰應用。本次課程由百度AIG的兩位明星講師，給你們帶來百度飛槳語義分割庫PaddleSeg的技術詳解和實戰應用，並經過基於DeepLabv3+人像分割案例現場帶你們感覺技術硬實力。

活動主題：

AI快車道-圖像語義分割專場

活動時間：

8月31日（週六） 13:30-17:00

活動地點：

北京·百度科技園

課程安排： 

13:30–14:00 簽到，現場交流

14:00–14:15 百度深度學習平臺-飛槳全景介紹

14:15–15:15 PaddleSeg深度技術解讀及實戰應用分享

15:15-15:45答疑時間

16:00–17:00 基於DeepLabv3+模型的應用實戰-人像分割

人羣定位：

適合深度學習一年以上的，CV方向的在職研發者參與

 

 

PaddleSeg通過了百度公司內部多產品線的實戰檢驗，包括： 百度無人車、AI開放平臺人像分割、小度P圖等等。PaddleSeg是真正源於產業實踐的開源圖像語義分割模型庫。

PaddleSeg是基於百度飛槳深度學習框架實現的圖像語義分割模型庫。PaddleSeg已經覆蓋了DeepLabv3+、U-Net、ICNet三套主流分割模型，經過統一的配置，幫助用戶更便捷地完成從訓練到部署的全流程圖像分割應用，具有高性能、豐富數據加強、工業級部署、端到端體驗的特性。

 

DeepLabv3+ 是DeepLab語義分割系列網絡的最新做， DeepLab的做者經過encoder-decoder進行多尺度信息的融合，同時保留了原來的空洞卷積和ASSP層， 其骨幹網絡使用了Xception模型，提升了語義分割的健壯性和運行速率，在 PASCAL VOC 2012 dataset取得新的state-of-art performance，89.0mIOU。

 

U-net網絡是一個基於CNN的圖像分割網絡，主要用於醫學圖像分割上，網絡最初提出時是用於細胞壁的分割，以後在肺結節檢測以及眼底視網膜上的血管提取等方面都有着出色的表現。

ICNet 主要用於圖像實時語義分割，可以兼顧速度和準確性。 ICNet的主要思想是將輸入圖像變換爲不一樣的分辨率，而後用不一樣計算複雜度的子網絡計算不一樣分辨率的輸入，而後將結果合併。

 

乾貨分享+現場演示+同窗交流，只爲與您相約8月31日的AI快車道，讓咱們一塊兒用科技讓複雜的世界更簡單。

 

還在等什麼？小夥伴們快戳閱讀原文或者掃描文中二維碼報名吧！

報名連接：https://iwenjuan.baidu.com/?code=6dsbar

 

 

原文連接地址：https://developer.baidu.com/topic/show/290267