【人工智能全栈学习-计算机视觉】语义分割和实例分割(看完就全懂了)
一、分割和检测的区别
语义分割和实例分割
语义分割:只区分类别,不区分类别中的具体单位。
实例分割:不仅区分类别还要区分其中的每个个体。,可以理解为语义分割的进化。
交叉熵
评估指标:IOU
卷积网络可以做什么:提取特征
卷积网络可以直接分析三维的信息,而不用拉成一个向量的形式
二、图像分割算法
U-net:解决小目标问题
图像分割必备知识点 | Unet详解 理论+ 代码
浅层u-net关注纹理,深层关注本质
u-net在医学影像中表现好的原因
U 2 − n e t U^2-net U2−net
嵌套多个u-net
deeplab
Deeplab v1
1.去掉全连接层,全卷积层是大势所趋。
2.去掉两个池化层(重要!!!),避免损失位置信息,但也不能全去掉,因为显卡没有那么大内存。
3.使用空洞卷积,扩大去掉两个池化层损失掉的感受野
使用了CRF,v3舍弃了(此处不进行研究)
Deeplab v2
抛弃VGG,使用ResNet;使用空洞金字塔,分析多种尺寸特征。
Deeplab V3
1*1卷积核的作用:降维
改变的是channals的数目
Resnet和VGG
ResNet, AlexNet, VGG, Inception: 理解各种各样的CNN架构
Resnet解决梯度消失问题以及训练时的退化问题,提出了残差学习
Deeplab V3理论部分
R(2+1)D
Mask-Rcnn
FPN层进行上采样