在人工智能行业有这么一句话：“深度学习有多智能、背后就有多少人工”。这句话直接说出了深度学习从业者心中的痛处，毕竟模型的好坏数据占着很大的因素，但是数据的标注成本却让很多从业者感到头疼。在标注中，矩形框标注还相对简单，但是对于像素级别的分割标注，往往需要大量的点将目标轮廓抠出来，这需要大量的时间和人力成本去完成。

近期PaddleSeg团队发布了业界首个高性能的交互式分割自动标注工具—EISeg，什么是交互式分割呢？它其实就是先用预训练模型对图像进行预标注，对于标注不精准、有误差的地方，再通过一系列绿色点（正点）和红色点（负点）对目标对象边缘进行精准的调整，从而实现精细化标注，高效而实用。

 

EISeg 提供的不仅有预训练算法和交互式分割操作方式，还具有其他功能：

  • 支持多种图像及标注格式，满足多种视觉任务
  • 超多人性化操作快捷键，让标注效率一提再提！
  • 丰富的标注模型，适合多种场景

开源项目代码：https://github.com/PaddlePaddle/PaddleSeg

详细的产品体验链接，请参考：

https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.2/contrib/EISeg

内容中包含的图片若涉及版权问题，请及时与我们联系删除