TX2+TensorRT+DIGITS实现图像的识别、检测和分割---6---图像分割

Image Segmentation with SegNet

TensorRT下载地址：https://developer.nvidia.com/nvidia-tensorrt-download
TesnsoRT介绍文档：https://devblogs.nvidia.com/tensorrt-3-faster-tensorflow-inference/
TensorRT开发者指南：http://docs.nvidia.com/deeplearning/sdk/tensorrt-developer-guide/index.html
TensorRT样例代码：http://docs.nvidia.com/deeplearning/sdk/tensorrt-developer-guide/index.html#samples

本教程重点提到的深度学习的功能是图像的分割。图像分割的最基本原理也是图像识别，但是它是基于像素级别的图像识别而不是对于整张图片的识别。它是通过一个对已经训练好的ImageNet识别模型的卷积化来实现的，他将其转化成一个能将每一个像素都标记的全卷积分割模型。分割对于环境感知和避碰非常有用，它可以对每个场景中的许多不同的潜在对象进行密集的每像素分类，包括场景前景和背景。

segNet 实例可以接受一个2维图像的输入，并且输出一个每一个像素都分类过得图像。每个像素都对应一个识别的目标类别。

注意：您可以查看semantic segmentation来获取更多地关于图像分割的背景知识。

Downloading Aerial Drone Dataset

作为图像分割的一个例子，我们将使用一个将地面与天空分开的空中无人驾驶飞机数据集。该数据集在第一人称视角(FPV)中模拟无人机的位置，并训练一个网络，作为一个自动驾驶仪，引导其感知的地形。

要下载和解压缩数据集，请从运行DIGITS服务器的主机PC上运行以下命令：

$ wget --no-check-certificate https://nvidia.box.com/shared/static/ft9cc5yjvrbhkh07wcivu5ji9zola6i1.gz -O NVIDIA-Aerial-Drone-D