代码拉取完成,页面将自动刷新
图像语义分割的应用越来越广泛,在安防和自动驾驶等领域对语义分割的要求越来越高,为此AutoML算法也逐渐在语义分割中发挥越来越重要的作用。
语义分割模型的backbone网络很大程度上决定了模型的性能,在语义分割领域,除了可以直接搜索完整的语义分割模型,也可以搜索语义分割网络的主干网络,再构建完整的语义分割网络两种方式,其中后者需要更多的深度网络背景知识。
根据上一个章节的描述,我们可以把语义分割的应用分为如下几个场景:
同时以上三种都可能需要针对特定的硬件设备来部署模型,如Atlas 310芯片等。
这种场景下,可考虑使用Adelaide-EA算法,该算法采用了进化算法,可在相对较短的时间里,搜索出一组语义分割模型,经过fully train后,评估各个模型的性能,选择最合适的模型。
具体的算法介绍,可参考Adelaide-EA算法
Vega提供了SP-NAS算法,该算法用以搜索面向物体检测及语义分割的高效主干网络架构,使用这类算法需要一定深度网络架构知识。
具体请参考SP-NAS算法
具体的pipeline的构造,请参考各个算法。同时还需要注意:
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。