oarriaga/paz

解決的問題

PAZ 是一個用於自主系統的分層感知庫，旨在整合用於機器人感知的 Keras/TensorFlow 深度學習工具。它提供了一種結構化的方式來構建視覺流水線，範圍涵蓋從簡單的開箱即用預測到複雜的定制構建感知系統。

工作原理

PAZ 將其功能組織為三個 API 級別，以平衡易用性與靈活性：

• High-level API：提供用於即時預測的預實現「流水線」（例如，使用 SSD512COCO 進行目標檢測）。
• Mid-level API：允許用戶使用「Processors」構建順序或顯式流水線。順序處理器可以將數據增強等函數鏈接在一起，而顯式處理器允許自定義邏輯（例如，結合人臉檢測與情感分類）。
• Low-level API：提供後端基礎，具有用於處理邊界框、攝影機、圖像、關鍵點和四元數的實用函數。

適用對象

面向從事自主系統與機器人研究的開發人員與研究人員，特別是那些需要模組化方式實現電腦視覺任務的 Python 生態系統（TensorFlow/Keras）用戶。

亮點

• 多樣化的模型支持：包括目標檢測 (SSD)、語義分割 (U-NET)、6D 位姿估計 (Pix2Pose) 以及人體/手部姿態估計 (HRNet, DetNet) 的實現。
• 模組化流水線架構：透過組合中層處理器，實現創建複雜的感知工作流。
• 集成數據加載器：內置對 OpenImages、VOC、CityScapes 和 FERPlus 等數據集的支持。
• 機器人就緒：包含內置訊息（例如 Pose6D），以便於與 ROS 等框架進行數據交換。