Tesla为首的全球各大新势力造车企业最近简直火的不能再火，过山车似的股价也足以证明各界对自动驾驶行业炽烈的期待！而Tesla经过多方面权衡最终采用纯视觉识别的方案，这种方案相比激光雷达方案有更低成本以及更强的统一性。而图像分割技术，作为视觉识别技术中举足轻重的模块，是智能车得以精准区分哪里是路，哪里是人的关键！

而今天小编要给大家介绍的这个项目，它不仅涵盖业界最主流的DeepLab、UNet等23个系列60多个语义分割算法及预训练模型，还新发布了在全球计算机视觉顶会CVPR2021上AutoNUE挑战中获得冠军的语义分割算法，还有实时高精度人像分割算法PPSeg、即将开源的精细化的分割PaddleSeg-Matting、全景分割算法Panoptic-DeepLab！

不仅如此，它还提供基于交互式分割算法的智能标注工具 EISeg！

Web 视频会议

Matting

全景分割

交互式分割

简而言之，这个项目可以全方位、立体式地满足开发者在图像分割方向各个维度的需求。不得不大说一声：

这么好的产品，还不赶紧Star收藏起来细细研究？！

上车地址：

https://github.com/PaddlePaddle/PaddleSeg

光说不练假把式，下面就让小编来给大家分析分析这个项目到底有什么过人之处！

产业级人像分割方案PPSeg

人像分割是图像分割领域非常常见的应用，在实际应用过程中人像的数据集来源多种多样，数据可能来源于手机、相机、监控等，图片尺寸可能是横屏、竖屏或者方屏。部署场景多种多样，有的应用在服务器端，有的应用在移动端，还有的应用在网页端。为此 PaddleSeg 团队推出了在大规模人像数据上训练的人像分割 PPSeg 模型，满足在服务端、移动端、Web 端（Paddle.js）多种使用场景的需求。

而近期“百度视频会议”也上线了虚拟背景功能，通过Padddle.js实现了在web端部署，支持用户在视频会议时进行背景切换。

小伙伴们也可前去百度首页体验百度视频会议，直观体验一下 PaddleSeg 和 Paddle.js 为大家提供的人像分割功能。

精细化的分割解决方案 PaddleSeg-Matting

随着分割技术的发展，人们对分割的精细化的要求也越来越高。比如在一些影视行业，绿幕作为拍摄的换背景常用的工作，但目标不在绿幕前拍摄，是否还能达到很好的背景分割功能呢？

答案是：能！

最近 PaddleSeg 团队开源的精细化分割解决方案 PaddleSeg-Matting 就很好的解决了这个问题。将目标的发丝实现了精准的分割。

PaddleSeg 通过内建 trimap 生成机制实现 alpha 预测，无需任何辅助信息的输入即可完成预测，极大减少了人工成本。通过共享 encoder 权重减少网络的参数量，并在 decoder 阶段利用 attention module 实现 trimap 信息流对 alpha 预测的指导。然后利用 error map 提取错估区域的 patch，通过 refinement 子网络进行 refine 得到最终的 alpha。

交互式分割智能标注工具

业界对于人工智能有这么一句话：“深度学习有多智能、背后就有多少人工”。这句话直接说出了深度学习从业者心中的痛处，毕竟模型的好坏数据占据着很大的因素，但是数据的标注成本却让很多从业的小伙伴们感到头疼。

因此，PaddleSeg团队联合PaddleCV-SIG成员基于RITM算法，推出了业界首个高性能的交互式分割工具EISeg。它可以通过一系列的绿色点（正点）和红色点（负点）实现对目标对象边缘精准的分割，可以用于图像编辑、半自动标注，从而实现精细化标注，抠图，辅助图像后期处理（例如PS）等场景应用。