不久前，2019年国际篮联篮球世界杯让这个夏天的尾巴再度燃了起来！男篮在球场上身姿飞腾，让观众不禁拿起手机，疯狂按下快门记录着肆意飞扬的热血现场。输赢不论，那些个定格在镜头中的努力身影，都是一幅幅真实的拼搏模样。而手机里，搭载了AI技术的不同照片处理功能，也为这份记忆增添了不同色彩。9月21日，百度AI快车道将再次来到深圳，这次打算和众多“图像技术”圈的小伙伴们共享福利！
随着计算机视觉的发展，图像语义分割技术渐入被熟知，而该技术的广泛应用性也越来越备受重视。区别于图像分类与物体检测，图像语义分割的目标是给图像中的每一个像素点都标注一个标签。因此，简单理解就是要把图像中所包含的每个类别，都不多不少的从原图中标注出来——这也表达出人们对于机器在图像处理上的渴望：让计算机理解图像中的每一个像素点的语义信息，从而让计算机像人一样去看图像，理解图像。
作为图像理解的重要基石，图像语义分割技术在自动驾驶系统、无人机应用、工业质检等应用中都有着举足轻重的作用。例如，以往的工业质检环节，大多需要依靠“人眼”进行判断。以一家3C制造工厂为例，一线质检员们对着单个零件，要用细致入微的方式从十多个角度查看，平均每分钟检测19个，一天下来就是一万多个。如此高强度的工作，一方面效率低、成本高、质检质量难以保证;另一方面还容易造成员工疲累、视力损伤等问题。而随着AI向制造业渗透落地，质检开始通过图像分割等技术找到更好的解决方案。
在本期实战营中将介绍到的PaddleSeg，就是服务于这些“更好的解决方案”的。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，它经过了百度公司内部多产品线的实战检验，以高性能、丰富的数据增强、工业级的部署和端到端的体验特性面向大众开源。
本期实战营，课程将聚焦“语义分割”专题，由百度三位明星讲师，通过百度飞桨语义分割库PaddleSeg为大家带来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：
图像语义分割
活动时间：
9月21日（周六）13:30-18:00
活动地点：
深圳·百度国际大厦
课程安排： 
13:30–14:00 签到，现场交流
14:00–14:30 百度深度学习平台-飞桨全景介绍
14:30–15:45 PaddleSeg深度技术解读及行业应用分享
16:00-17:00 PaddleSeg应用实战
17:00-18:00 企业服务团队深度交流
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
报名链接：https://iwenjuan.baidu.com/?code=1duvnp

关于PaddleSeg
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。
 
关于AI快车道
百度AI快车道——企业深度学习实战营是百度依托自身深厚的深度学习技术实践经验，面向有AI技术需求企业的算法工程师、架构师群体提供的快速应用扶持计划。该计划的学习内容囊括了6套工程实施与深度学习技术落地结合的详细方案，覆盖百度领先的AI技术和业务应用场景的深入剖析，如OCR、精密仪器质检、推荐排序经典场景、遥感图像处理等；源于百度业务实践的深度学习框架飞桨的性能优势、模型优势、生态优势的解读；百度自研和顶级学术会议魁首算法、预训练模型的详细介绍，还有与案例与算法紧密相扣的在线实验，并以“短平快”的课程，进行对业务问题定位、框架及算法的快速应用培训，为更多企业带去深度学习技术和经验分享，并计划在年内于上海、深圳、杭州等多地，支持1000家企业的深度学习技术快速应用。