语义分割基础
**语义分割:**以像素粒度进行识别分类,只考虑类别、不考虑实体
**实例分割:**需要分割不同实体
**全景分割:**前景、背景
**重要领域:**医疗、智能驾驶
语义分割思路
颜色分割
逐像素
滑动窗口:效率低
FCN
可输入任意大小的卷积网络
**逐像素的优化:**输入全图,在featureMap上进行卷积滑窗 -->全卷积网络 CVPR2015
放大图像尺寸(升采样):
双线性差值:
卷积核
转置卷积:将上图卷积核设置为可学习的卷积核
基于多层级特征上采样
和浅层特征进行交互,寻找丢失的空间信息
UNET 2015
上下文信息
滑动窗口会丢失上下文信息—>增加感受野
PSPnet 2016 使用多尺度池化
DeepLab系列算法
空洞卷积
减少下采样->特征图就会变大->卷积核增大,参数量增大->空洞卷积
条件随机场CRF
后处理手段
空间金字塔池化 ASPP
总结
语义分割模型的评估
交并比: