【图像分割】走进基于深度学习的图像分割

本文介绍了基于深度学习的图像分割技术,包括DeepLabv3+和Mask-R-CNN等模型,以及常用数据集Pascal VOC、MS COCO、Cityscapes和ADE20K。此外,还讨论了各种损失函数,并推荐了segmentation_models_pytorch库作为图像分割的实用工具。
摘要由CSDN通过智能技术生成

DeepLabv3+

Mask-R-CNN

Transformer

深度学习常用数据集

====================================================================

Pascal VOC

地址链接:http://host.robots.ox.ac.uk/pascal/VOC/

VOC 数据集分为20类,包括背景为21类,分别如下:

• Person: person

• Animal: bird, cat, cow, dog, horse, sheep

• Vehicle: aeroplane, bicycle, boat, bus, car, motorbike, train

• Indoor: bottle, chair, dining table, potted plant, sofa, tv/monitor

VOC 数据集中用于分割比赛的图片实例如下,包含原图以及图像分类分割和图像物体分割两种图(PNG格式)。图像分类分割是在20种物体中,ground-turth图片上每个物体的轮廓填充都有一个特定的颜色,一共20种颜色。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值