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