图像分割1

什么是图像分割

预测图像中每一个像素所属的类别或物体
应用场景：
- 自动驾驶
- 3D地图重建
- 美化图片
图切割(Graph cut)
- 图切割就是移除一些边，使得两个子图不相连。在一张图片中，每个像素点的feature看作一个节点，彼此之间通过边相连。如果两个feature的相似度越大，那么它们越有可能是属于同一个物体的，也就应该被分割到同一个类；如果两个像素之间的边的权重越小，那么说明这两个像素之间的相似度是越低的，那么它们就应该被分为不同的类。

-图切割过程中图片被切割成一个一个的sub pixel

图切割的优点：
-是一种普适性的框架，适合各种特征。
-分割效果还可以。
图切割的缺点：
-时间复杂度和空间复杂度较高。
-需要实现选择分割块的数目。
Fully Convolutional Networks
-把全连接网络换成了卷积神经网络
-利用上采样(UpSampling)层把feature map恢复到原图大小
分类网络


-层层特征提取，最后使用全连接层将特征压缩为一维向量，根据特征属于某个类别的概率值大小进行分类。
全卷积网络(FCN)

-经过全卷积网络以后，最后一层输出的其实是每一个像素类别的信息，相当于对每个像素点都进行了一次全连接，在原图的每一个像素级别上做一次分类

反卷积(Deconvolution)
-Transposed convolution更为恰当
-可以等效为普通卷积
-它的主要目的就是实现上采样，实现对原来特征的缩放操作。把一个比较小的feature map映射到一个比较大的feature map上