计算机视觉：语义分割(semantic segmentation)相关知识点

语义分割(semantic segmentation)相关知识点

语义分割是目标检测更进阶的任务，目标检测只需要框出每个目标的包围盒，语义分割需要进一步判断图像中哪些像素属于哪个目标。

计算机视觉任务的困难： 拍摄视角变化、目标占据图像的比例变化、光照变化、背景融合、目标形变、遮挡等。

(1) 语义分割常用数据集

PASCAL VOC 2012 1.5k训练图像，1.5k验证图像，20个类别(包含背景)。

MS COCO COCO比VOC更困难。有83k训练图像，41k验证图像，80k测试图像，80个类别。

Cityscapes城市街景图像数据

(2) 语义分割基本思路

基本思路 ：逐像素进行图像分类。我们将整张图像输入网络，使输出的空间大小和输入一致，通道数等于类别数，分别代表了各空间位置属于各类别的概率，即可以逐像素地进行分类。

全卷积网络+反卷积网络:为使得输出具有三维结构，全卷积网络中没有全连接层，只有卷积层和池化层。但是随着卷积和池化的进行，图像通道数越来越大，而空间大小越来越小。要想使输出和输入有相同的空间大小，全卷积网络需要使用反卷积和反池化来增大空间大小。
反卷积(deconvolution)/转置卷积(transpose convolution)