视频分割专家(视频分割专家手机版)

PaddleSeg 近期带来重大升级，覆盖最新顶会模型、10 倍提速的智能标注工具、实时人像分割 SOTA 方案、全新 3D 医疗影像分割方案等。欢迎广大开发者使用 NVIDIA 与飞桨联合深度适配的 NGC 飞桨容器在 NVIDIA GPU 上体验！

PaddleSeg 重磅发新！带来 NeurIPS 顶会模型、智能标注 10 倍速神器、人像分割 SOTA 方案、3D 医疗影像分割利器！

图像分割是计算机视觉三大任务之一，基于深度学习的图像分割技术也发挥日益重要的作用，广泛应用于工业质检、自动驾驶、遥感、智慧医疗、智能办公、媒体娱乐等行业。然而在实际业务中，图像分割依旧面临诸多挑战，比如：分割数据标注效率较低，标注过程自动化程度低；垂类场景多样，打造全流程方案的难度大；针对 3D 分割的方案较少。

针对以上挑战，飞桨图像分割开源套件 PaddleSeg 近期带来重磅升级，主要包括：

官方开源 NeurIPS 2022 顶会发表的实时语义分割模型 RTFormer。该模型结合 CNN 和 Transformer 的优点，创新设计并使用了高效的 RTFormer Block。对比其他实时语义分割模型，RTFormer 在多个数据集上实现 SOTA 精度和速度。详情可参考：。

图 1 RTFormer Block架构

针对标注数据的难题，发布智能标注平台 EISeg 正式版。EISeg 支持医疗、遥感、工业质检等领域的分割标注，新增视频分割标注，分割标注效率提升超过 10 倍。详情可参考：https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.6/EISeg。

图 2 智能标注平台 EISeg

针对人像分割场景，发布实时人像分割 SOTA 方案 PP-HumanSegV2。该方案的推理速度提升 87.15%，分割精度达到 96.63%，可视化效果更佳，可与商业收费方案媲美，支持零成本开箱即用。详情可参考：。

图 3 PP-HumanSegV2 模型架构

针对 3D 医疗分割场景，发布 3D 医疗影像分割方案 MedicalSegV2。该方案支持 3D 交互式标注，实现高精度、定制化、全流程医疗影像分割。详情可参考：。

图 4 3D 医疗影像分割效果

喜欢的小伙伴欢迎 star 支持哦~您的支持是我们不断进取的最大动力！

围绕 PP-HumanSegV2、EISeg、MedicalSeg，PaddleSeg 团队近期进行了三日课直播。大家可以扫描下方二维码，加入 PaddleSeg 交流群获取回放视频。除此之外，入群还可以领取 30G 学习大礼包，包括：深度学习基础教程、图像分割论文合集、PaddleSeg 历次直播视频、图像分割应用案例和企业范例等。

NGC 飞桨容器介绍

如果您希望体验 PaddleSeg 工具的新特性，欢迎使用 NGC 飞桨容器。NVIDIA 与百度飞桨联合开发了 NGC 飞桨容器，将最新版本的飞桨与最新的 NVIDIA 的软件栈（如 CUDA）进行了无缝的集成与性能优化，最大程度的释放飞桨框架在 NVIDIA 最新硬件上的计算能力。这样，用户不仅可以快速开启 AI 应用，专注于创新和应用本身，还能够在 AI 训练和推理任务上获得飞桨+NVIDIA 带来的飞速体验。

最佳的开发环境搭建工具 – 容器技术。

容器其实是一个开箱即用的服务器。极大降低了深度学习开发环境的搭建难度。例如你的开发环境中包含其他依赖进程（redis，MySQL，Ngnix，selenium-hub 等等），或者你需要进行跨操作系统级别的迁移。容器镜像方便了开发者的版本化管理容器镜像是一种易于复现的开发环境载体容器技术支持多容器同时运行

最好的 PaddlePaddle 容器

NGC 飞桨容器针对 NVIDIA GPU 加速进行了优化，并包含一组经过验证的库，可启用和优化 NVIDIA GPU 性能。此容器还可能包含对 PaddlePaddle 源代码的修改，以最大限度地提高性能和兼容性。此容器还包含用于加速 ETL（DALI, RAPIDS）、训练（cuDNN, NCCL）和推理（TensorRT）工作负载的软件。

PaddlePaddle 容器具有以下优点：

适配最新版本的 NVIDIA 软件栈（例如最新版本 CUDA），更多功能，更高性能。更新的 Ubuntu 操作系统，更好的软件兼容性按月更新满足 NVIDIA NGC 开发及验证规范，质量管理

通过飞桨官网快速获取

环境准备

使用 NGC 飞桨容器需要主机系统（Linux）安装以下内容：

Docker 引擎NVIDIA GPU 驱动程序NVIDIA 容器工具包

有关支持的版本，请参阅 NVIDIA 框架容器支持矩阵和 NVIDIA 容器工具包文档。

不需要其他安装、编译或依赖管理。无需安装 NVIDIA CUDA Toolkit。

NGC 飞桨容器正式安装：

要运行容器，请按照 NVIDIA Containers For Deep Learning Frameworks User’s Guide 中 Running A Container 一章中的说明发出适当的命令，并指定注册表、存储库和标签。有关使用 NGC 的更多信息，请参阅 NGC 容器用户指南。如果您有 Docker 19.03 或更高版本，启动容器的典型命令是：