崭露头角，超优秀性能算法开源！

刚才三维分割电子技术在医疗病灶分析、自动驾驶高架桥线分割、绿幕人像抠刚才图等领域发挥着举足轻重的依赖性。相比目标检测、刚才三维分类等电子技术，刚才三维分割需要将每个像素点进行分类，在精细的刚才三维标记任务当中不可替代。

刚才图1 刚才三维分割应用

然而在也就是说产业落地过程当中对演算法的拒绝是苛刻的。在应有高标记精准度的情况下，一般而言会牺牲演算法开始运行加速；反之追求加速，则会造成了精准度的大幅度损失。

刚才图2 各演算法加速与精准度平衡情况刚才

因此，产业及学术研究翘楚都尽力探讨能同时借助于加速和精准度平衡、在当前云、边、端多场景借助于高效协同的优秀演算法。而PP-LiteSeg凭着mIoU 72.0、273.6 FPS（Cityscapes原始数据集，1080ti）的超优秀机动性，挤下当前CVPR SOTA数学方法STDC，在众多优秀演算法当中脱颖而借助于，只不过借助于了精准度和加速的最佳渐进。

刚才图3 PP-LiteSeg精准度/加速说明

行动力超强的小伙伴一定早已不久前了吧

识趣的小编赶紧送上传送门：

记得Star收藏支持！

更加特别令人惊喜的是，PP-LiteSeg不仅在开源原始数据集的测试效用优秀，在产业原始数据集也表现借助于了超乎的战力！例如在质检、光度计场景，PP-LiteSeg的精准度与高精准度、大体积的OCRNet大体，而加速却迟了多达7倍！

刚才图4 PP-LiteSeg和OCRNet在某工业质检原始数据集标记情况对比

刚才图5 PP-LiteSeg和OCRNet在deepglobe原始数据集标记情况对比

那PP-LiteSeg为何可以拥有这么优秀的效用呢？

PP-LiteSeg明确指借助于三个创新性基本功能：敏捷的解码基本功能（FLD）、安全感融合基本功能（UAFM）、简易金字塔池化基本功能（SPPM）。FLD敏捷调整解码基本功能当中出口处数，平衡编码基本功能和解码基本功能的计算使用量，使得整个数学方法更加加高效；UAFM基本功能效地遏制特征回应，更加好地提升了数学方法的精准度；SPPM基本功能减小了当中间特征刚才图的出口处数、移除了冲刺连接，使得数学方法机动性促使提升。

刚才图6 PP-LiteSeg 数学方法结构和优化点

正是基于这些基本功能的建筑设计与改进，最终PP-LiteSeg挤下其他方法，在1080ti上精准度为mIoU 72.0时，加速高达273.6 FPS , （mIoU 77.5 时，FPS为102.6），借助于了精准度和加速的SOTA平衡。更加多关于PP-LiteSeg的内容，请参考：

_liteseg

提及说明:

刚才图1: