支撑遥感目标提取、影视人像抠图、医疗影像分析、自动驾驶感知等万亿级市场背后的核心技术是什么？那就要说到顶顶重要的图像分割技术。相比目标检测、图像分类等技术，图像分割需要将每个像素点进行分类，在精细的图像识别任务中不可替代，也是智能视觉算法工程师拥有关键核心竞争力的关键！
图1图像分割应用
正因如此，DeepLabv3、OCRNet、BiseNetv2、Fast-SCNN等优秀算法层出不穷，然而在实际产业落地过程中往往需要综合考虑硬件性能、精度等多方面因素，对算法的需求也是苛刻的。往往业界算法在保障高识别精度的情况下，就会牺牲算法运行速度；反之追求速度，则会带来精度的大幅度损失。
图2各算法速度与精度平衡情况示意
如何能同时实现速度和精度的均衡，在当前云、边、端多场景协同的产业大趋势下高标准满足产业需求，是各届研究人员致力投入的方向。
PP-LiteSeg就是这样一个同时兼顾精度与速度的SOTA（业界最佳）语义分割模型。它基于Cityscapes数据集，在ti上精度为mIoU72.0时，速度高达.6FPS,（mIoU77.5时，FPS为.6），超越现有CVPRSOTA模型STDC，真正实现了精度和速度的SOTA均衡。
图3PP-LiteSeg精度/速度说明
空口无凭，欢迎优秀的你直接试用！（记得Star收藏跟进最新状态）
传送门：
转载请注明：http://www.0431gb208.com/sjszlfa/217.html
