随着计算机视觉的发展，图像语义分割技术逐渐映入人们的眼帘，因其广泛的应用性而备受人们的重视。图像语义分割是图像理解的重要基石，在自动驾驶系统、无人机应用、工业质检等应用中举足轻重。语义分割模型通过神经网络、深度学习训练图像，将对图像对象的识别转化为对像素的识别。

本期实战营，课程将聚焦在“语义分割”的技术详解和实战应用。本次课程由百度AIG的两位明星讲师，给大家带来百度飞桨语义分割库PaddleSeg的技术详解和实战应用，并通过基于DeepLabv3+人像分割案例现场带大家感受技术硬实力。

 

活动主题：

AI快车道-图像语义分割专场

活动时间：

8月31日（周六） 13:30-17:00

活动地点：

北京·百度科技园

课程安排： 

13:30–14:00 签到，现场交流

14:00–14:15 百度深度学习平台-飞桨全景介绍

14:15–15:15 PaddleSeg深度技术解读及实战应用分享

15:15-15:45答疑时间

16:00–17:00 基于DeepLabv3+模型的应用实战-人像分割

人群定位：

适合深度学习一年以上的，CV方向的在职研发者参与 

PaddleSeg经过了百度公司内部多产品线的实战检验，包括：百度无人车、AI开放平台人像分割、小度P图等等。PaddleSeg是真正源于产业实践的开源图像语义分割模型库。

 

 

PaddleSeg是基于百度飞桨深度学习框架实现的图像语义分割模型库。PaddleSeg已经覆盖了DeepLabv3+、U-Net、ICNet三套主流分割模型，通过统一的配置，帮助用户更便捷地完成从训练到部署的全流程图像分割应用，具备高性能、丰富数据增强、工业级部署、端到端体验的特性。

DeepLabv3+ 是DeepLab语义分割系列网络的最新作， DeepLab的作者通过encoder-decoder进行多尺度信息的融合，同时保留了原来的空洞卷积和ASSP层， 其骨干网络使用了Xception模型，提高了语义分割的健壮性和运行速率，在 PASCAL VOC 2012 dataset取得新的state-of-artperformance，89.0mIOU。

U-net网络是一个基于CNN的图像分割网络，主要用于医学图像分割上，网络最初提出时是用于细胞壁的分割，之后在肺结节检测以及眼底视网膜上的血管提取等方面都有着出色的表现。

ICNet 主要用于图像实时语义分割，能够兼顾速度和准确性。ICNet的主要思想是将输入图像变换为不同的分辨率，然后用不同计算复杂度的子网络计算不同分辨率的输入，然后将结果合并。

干货分享+现场演示+同学交流，只为与您相约8月31日的AI快车道，让我们一起用科技让复杂的世界更简单。