深度学习之图像分割（一）—— 前言（霹雳吧啦wz）

一、什么是语义分割

1.实例分割和语义分割的区别

1.实例分割不关注背景
2.语义分割会把同一个物体识别成一个颜色

2.全景分割

全景分割是对实例分割和语义分割的一个综合

3.语义分割出现的问题及解决办法

4.语义分割的实现流程

5.常见数据集及应用

二、暂定的学习规划

三、语义分割任务常见数据集格式

1.PASCAL VOC——PNG图片（P模式）

每一种不同的物体对应的都有一种颜色，例如人对应的就是粉红色

使用调色板模式存储，图片是一通道，但是每个像素都对应一个颜色（0～255）
像素0对应的是（0，0，0）黑色
像素1对应的是（127，0，0）深红色
像素255对应的是（224，224，129）目标边缘

2.MS COCO

MSCOCO数据集是没有边界标注的，把每一个实例都是能分割出来，针对图像中的每一个目标都记录了多边形坐标对变形

四、语义分割得到结果的具体形式

单通道图片，加上调色板变成彩色图片，每个像素数值对应类别索引

五、语义分割常见评价指标

1.Pixel Accuracy(Global ACC)像素精度或全局精度

PA = 对角线和 / 总和

2.mean Accuracy

MPA = 对角线上单个元素 / 每列和（列是指真实标签，在代码中真实标签一般是行，所以在写代码时一定要看清楚代码中哪个是预测标签，哪个是真实标签）

求和求平均

3.mean IOU

1.什么是IOU？

真实和预测面积的交集比上他们面积的并集。（这个指标最重要，因为和别人的代码比的就是这个）

2.mean IOU如何计算？

1.求出混淆矩阵

2.分别计算每个类别的iou

3.求和求平均

六、语义分割标注工具

1.Labelme
2.EISeg