轻量化语义分割算法研发
案例介绍
轻量化语义分割算法研发
案例介绍
本项目面向复杂场景下的高精度、低计算量图像语义分割需求，基于 PyTorch 设计并实现轻量化深度学习分割网络。本人负责算法架构设计、核心模块研发、模型训练及实验验证。通过引入轴向压缩注意力 ACAB 与引导特征增强模块 GFEB，提升全局语义建模与边界细节恢复能力。在 Cityscapes 数据集上取得 75.48% mIoU，模型计算量为 0.78 GFLOPs，参数量约 1.16M。完成了数据预处理、模型训练、消融实验、基线对比和性能分析，适用于智能场景理解及轻量化视觉模型研发。
案例图片
相似案例推荐
-
万帧—AI视频生成桌面工作台
万帧是一款对接第三方AI视频生成API的Windows桌面工
-
运维排障智能助手
本作品面向网络与基础设施运维场景，基于 Python、Fas
-
excel-agent
面向日常报表整理和业务数据分析场景开发的 Excel 智能分
-
站点迁移与割接（独立完成）
完成面板与站点整体迁移：全量打包 63MB 数据，编写割接脚
-
单机多站点生产环境运维（独立负责）
Debian + Nginx + PHP-FPM，Cloud
-
钢铁行业工业互联网监测系统
我是全栈开发工程师，熟练覆盖前端 Vue、React、UMI
1小时精推人才
需求方专属客服，免费梳理匹配
