百度AI快车道再次“发车”,与开发者共同探讨PaddleSeg实践应用 11月30日

　　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——企业深度学习实战营活动中，百度多位研发工程师化身“讲师”为开发者深度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AI快车道再次“发车”,与开发者共同探讨PaddleSeg实践应用//----

　　(百度飞桨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。

----百度AI快车道再次“发车”,与开发者共同探讨PaddleSeg实践应用//----

　　(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快车道再次“发车”,与开发者共同探讨PaddleSeg实践应用//----

　　(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。