原标题:现场实战训练PaddleSeg模型, “大咖”齐聚百度AI快车道“技术交流分享会”
近几年,人工智能技术飞速成长,人们不断学习开拓着人工智能在各领域所带来的便捷和高效。小到生活场景中证件照上的快速智能抠图,大到工业场景中的产品质检效率提升,处处体现着人工智能的“加速度”,而这些应用场景背后有一个共同点,那就是对于图像分割技术的运用。基于百度大脑飞桨开发的图像分割库PaddleSeg正在此领域集中“发力”,其覆盖了目前主流的分割模型,能够通过统一的配置,帮助开发者便捷地完成从训练到部署的全流程图像分割应用。
11月30日,在北京百度大厦开展的AI快车道——企业 学习实战营活动中,百度多位研发工程师化身“讲师”为开发者 解析飞桨工业级图像分割库PaddleSeg的技术与应用。活动中,讲师们通过案例向开发者们介绍了PaddleSeg,以及其具有丰富的数据增强、模块化设计、高性能和工业级部署等的特性。
百度paddleseg全景图
据介绍,PaddleSeg自上线以来,重点针对图像分割领域,面向开发者提供了完备且易用的工业级分割模型库,在短视频人像特效、证件照智能扣图、人体特效、影视后期处理等场景中,通过内置10多种数据增强策略,将图像进行数据预处理和模型后处理,图像在模型中自动变化尺度角度,从而提高数据的丰富性以及在人像分割时提取“标注物”的准确度。同时,飞桨PaddleSeg也将自身优势发挥在工业领域,讲师现场带来的电池隔膜产品的质检案例中,通过飞桨丰富的图像分类模型库可将电池隔膜按照有无瑕疵快速分类,准确率高达98%,再利用分割模型将瑕疵位置通过分割的方式来计算瑕疵面积,实现产品的分级。PaddleSeg分割的技术同样可以运用到其他工业场景下,为工业领域带来新一轮助力。
电子元件质检案例
实战环节,讲师们以检测电子元件的划痕为例,首先使用DeeplabV3+模型进行分割,并由浅入深地指导大家使用PaddleSeg,从数据集准备、预训练模型下载、参数配置、训练、评估、预测等流程全面地展示了PaddleSeg的实战应用。
百度AI快车道paddleseg北京活动现场
活动期间,开发者们兴趣不减,通过提问的方式不断探讨PaddleSeg的应用实践。“PaddleSeg打通了训练到部署的环节,在使用门槛以及易用性上,相比部分开源模型都更加友好“开发者对其评价道。一位从事遥感研究的开发者认为,利用PaddleSeg可以对大面积影像的边缘部分进行精分割,在一定程度上提升地面要素的准确度。
现场,讲师为大家解答了图像分割的传统方法与 学习方法的区别:传统方法具有泛化能力不足、复杂场景分割精度不高等缺点,PaddleSeg在速度和精准度上相比传统算法具有显著提升。整场AI快车道活动也在讲师与开发者们的探讨交流中慢慢进入尾声,开发者们收获颇丰。
百度 AI 快车道企业 学习实战营是百度依托自身深厚的 学习技术实践经验,面向有 AI 技术需求企业的算法工程师、架构师群体提供的快速应用扶持计划。计划的学习内容囊括了10套工程实施与 学习技术落地结合的详细方案,覆盖百度领先的AI技术和业务应用场景的深入剖析,如OCR、精密仪器质检、推荐排序经典场景、遥感图像处理等。源于百度业务实践的 学习平台飞桨的性能优势、模型优势、生态优势的解读;百度自研和顶级学术会议魁首算法、预训练模型的详细介绍,还有与案例和算法紧密相扣的在线实验,并以“学来即用”的课程,进行业务问题定位、框架及算法的快速应用培训,为更多企业带去 学习技术和经验分享。
当然,路途遥远的小伙伴不用担心错过了此次课程,因为AI快车道将在12月7日来到上海百度研发中心,同样为大家准备了PaddleSeg以及PaddleHub的 讲解运用课程。关注百度飞桨官网、微信公众号"飞桨PaddlePaddle",回复“AI快车道”,即可获取报名链接。
如果到不了现场也不用担心,可以进入“IT大咖说”网站后搜索“AI快车道”收看活动直播。使用过程中遇到任何问题,大家可通过PaddleSeg官方QQ群与开发人员进行技术交流及问题反馈 ,下次课堂期待有你的参与。
- 蜜度索骥:以跨模态检索技术助力“企宣”向上生长
- 消息称塔塔集团将收购和硕印度iPhone代工厂60%股份 并接管日常运营
- 苹果揭秘自研芯片成功之道:领先技术与 整合是关键
- 英伟达新一代Blackwell GPU面临过热挑战,交付延期引发市场关注
- 马斯克能否成为 AI 部部长?硅谷与白宫的联系日益紧密
- 余承东:Mate70将在26号发布,意外泄露引发关注
- 无人机“黑科技”亮相航展:全球首台低空重力测量系统引关注
- 赛力斯发布声明:未与任何伙伴联合开展人形机器人合作
- 赛力斯触及涨停,汽车整车股盘初强势拉升
- 特斯拉首次聘请品牌大使:韩国奥运射击选手金艺智
- 华为研发中心入驻上海青浦致小镇房租大涨,带动周边租房市场热潮
免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。