oarriaga/paz

解决的问题

PAZ 是一个用于自主系统的分层感知库，旨在整合用于机器人感知的 Keras/TensorFlow 深度学习工具。它提供了一种结构化的方式来构建视觉流水线，范围涵盖从简单的开箱即用预测到复杂的定制构建感知系统。

工作原理

PAZ 将其功能组织为三个 API 级别，以平衡易用性和灵活性：

• High-level API：提供用于即时预测的预实现“流水线”（例如，使用 SSD512COCO 进行目标检测）。
• Mid-level API：允许用户使用“Processors”构建顺序或显式流水线。顺序处理器可以将数据增强等函数链接在一起，而显式处理器允许自定义逻辑（例如，结合人脸检测和情感分类）。
• Low-level API：提供后端基础，具有用于处理边界框、摄像头、图像、关键点和四元数的实用函数。

适用对象

面向从事自主系统和机器人研究的开发人员和研究人员，特别是那些需要模块化方式实现计算机视觉任务的 Python 生态系统（TensorFlow/Keras）用户。

亮点

• 多样化的模型支持：包括目标检测 (SSD)、语义分割 (U-NET)、6D 位姿估计 (Pix2Pose) 以及人体/手部姿态估计 (HRNet, DetNet) 的实现。
• 模块化流水线架构：通过组合中层处理器，实现创建复杂的感知工作流。
• 集成数据加载器：内置对 OpenImages、VOC、CityScapes 和 FERPlus 等数据集的支持。
• 机器人就绪：包含内置消息（例如 Pose6D），以便于与 ROS 等框架进行数据交换。