语义分割知识点

1.语义分割与实例分割

图像分割：分割任务就是在原始图像中逐像素的找到你需要的家伙。

 语义分割：就是把每个像素都打上标签（这个像素点是人，树，背景等）（语义分割只区分类别，不区分类别中具体单位）

实例分割：实例分割不光要区分类别，还要区分类别中没一个个体

2.损失函数

逐像素的交叉熵；还经常需要考虑样本均衡问题；交叉熵损失函数公式如下：

3.卷积网络与传统网络

卷积做了一件什么事？

首先把图像分成每一个小区域，对不同区域得到的特征是不一样的，接下来选择一种计算的方法来计算每个区域的特征值等于多少

图像颜色通道

对每一层通道进行计算，每个通道卷积完的结果加到一起

卷积层涉及参数：滑动窗口步长；卷积核尺寸；边缘填充；卷积核个数 

4.deeplab系列

图像分割中的传统做法：为了增大感受野，通常都会选择pooling操作，但是也会丢失一部分信息 

5.空洞卷积：

6.SPP层

7.deeplapv3+