开发环境：
- 华为云 AI开发平台ModelArts
开发语言：
- python3.7
深度学习框架：
- TensorFlow1.x
数据集：
- 参考cityscapes-image-pairs等
预计初步实现：
简单来说 提取视频的帧 然后处理 在合成
我们感觉原视频和分割后的视频放一起比较好，但是抽帧分割再合成后的视频和原视频对不上
感觉视频分割方面还得改，但是还没想好咋弄？
提取每帧：
初步效果：
功能需求：利用视觉分析技术对高分辨率视频进行目标检测和语义分割
具体：
基本要求：
- 分类和定位。针对10分钟1080P视频内容进行移动目标识别（包括人、机动车、非机动车、建筑、植物等5种以上）
- 语义分割。实现对高清视频图像语义分割（对每帧的每个点的类别预测）
- 重点实现对建筑物等固定目标的识别和分割
进阶需求：
- 实现移动目标10种以上（其中建筑物必须识别）
- 实现实例分割
- 性能优化，创新深度学习算法模型
计算机视觉四大步骤：(分类、定位、检测、分割)
