深度学习整理：semantic segmentation 继续学习（4）-基本概念与思路

目录

1.基本概念

2.semantic segmentation的宏观方法：

3.解码器

1.nearest neighbor pooling and bed of nails unpooling

2.max unpooling

3.transpose convolution

3.1 1-D signal

3.2 2-d signal

---

1.基本概念

1.super-pixels ：超像素最直观的解释，便是把一些具有相似特性的像素“聚合”起来，形成一个更具有代表性的大“元素”。而这个新的元素，将作为其他图像处理算法的基本单位。非常详细的介绍，如传送门。

2.under segmentation和over segmentation：

（自己的话，不专业）我认为翻译过来是欠分割和过分割。欠分割就是想分割出来的objects没完全分割出来，过分割是分割过头了。另外的图像解释如传送门。

3.The Mean Shift segmentation：Mean Shift分割是一种局部均匀化技术，对于抑制局部对象中的阴影或色调差异非常有用。这是一个示意图：

详细内容见传送门。

4.Shift-and-stitch：FCN文章中出现的知识点，在FCN中，与输入相比，获得的最终输出（默认情况下不使用任何上采样技巧）的分辨率较低。假设有一个100x100的输入图像，并且您获得了10x10的输出（来自网络）。将输出直接映射到输入分辨率将看起来不完整（即使使用高阶插值）。现在，采用相同的输入并稍微移位并获得输出并重复此过程多次。最终得到一组输出图像和一个与每个输出相对应的移位向量。可以利用具有移位矢量的这些输出图像（stitch&#