pytorch语义分割

Pytorch语义分割

最近整合了部分pytorch实现的图象语义分割模型，简单做一下总结，代码在git：pytorch-semantic-segmentation

一、简介

    基于深度的图象语义分割任务不同于分类与检测任务，分类任务利用深度模型提取特征后输出特征向量并计算各类概率，简单理解为“一图对应一标记”。检测则在分类任务基础上增加了候选框的生成和回归的任务，模型同时做物体区域定位与区域分类任务，结果可以理解为“一图对应多标记”。而语义分割则属于密集分类任务，分类的对象为每一个像素点，直观理解为"All  in, all out"。模型的输入为图象，输出为与原图同样大小的预测图，每一个像素点的值则对应原图相应点的类别。

    如下图所示，左边为原图，右边为分割标记图，被划分为3个区域，黑色背景为一个类别，粉色人为一类别，摩托车为一类别，具体在训练的时候可以转化为{'background':0, 'person':1, 'motobicycle':2}，也就是将现在看到的rgb图象转化为灰度标记图，灰度图中每一个像素点的值均为该点的类别。

           

二、模型

    主要通过模型介绍来理解语义分割流程。

2.1 FCN

    FCN的提出打