文章作者：爱分享的Nono

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。欢迎广大开发者基于英特尔®OpenVINO™进行体验！

PaddleSeg重磅发新！

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：

1

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https://mp.weixin.qq.com/s/qmEhcHhAqefqp2keazbJ0g。 

图1 RTFormer Block架构

2

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/2.7/EISeg

图2 智能标注平台EISeg

3

针对人像分割场景，发布实时人像分割SOTA方案PP-HumanSegV2。该方案的推理速度相比PP-HumanSegV1 版本提升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：

https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.7/contrib/PP-HumanSeg

图3 PP-HumanSegV2模型架构

4

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：https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.7/contrib/MedicalSeg

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！

扫码加入PaddleSeg技术交流群，获取PaddleSeg学习大礼包，基于英特尔®OpenVINO™玩转PaddleSeg图像分割！

 

英特尔® OpenVINO™ 发行版工具套件

英特尔® OpenVINO™ 发行版工具套件使用高性能深度学习推理，快速并准确地得到真实世界的结果，并在各种英特尔® 硬件和环境、本地和设备、浏览器或云中进行部署。

英特尔® 发行版 OpenVINO™ 工具套件官方支持百度飞桨模型，开发者们可以直接将部分飞桨训练后的静态模型导入OpenVINO™进行部署，多项飞桨算子的适配工作已经完成，非常多的业界模型得到验证，覆盖目标检测，图像分类，语义分割、OCR等多个领域。

 高性能，深度学习 

训练时考虑到推理，从 TensorFlow* 和 PyTorch* 等常见框架着手，并使用用于英特尔发行版 OpenVINO 工具套件的神经网络压缩框架 (NNCF)。

 简化开发   

借助训练后优化工具将您的模型导入到 OpenVINO 中，以进行训练后量化和优化。

一次写入，处处部署

在主机处理器和加速器 (CPU、GPU、VPU) 和环境（本地、设备、浏览器或云端）的组合中部署相同的应用程序。