文章目录
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