OpenMMLab 实战营打卡 - 第 6 课

语义分割

定义

• 细粒度逐像素分类
• 区分与实例分割、全景分割
  • 

基本思想

• 发展历程

  • 基于颜色分割——不知道物体确切定义特征
  • 逐像素分类——划窗，变成了图像分类问题
    • 在全图上进行卷积，便于共享信息

      • 但全连接层有要求固定维度——将全连接层卷积化（全连接层的每个神经元都变成了一个卷积核，特征图大，概率图也就大）

      • 

      • 

• 预测过程

  • 升采样
    • 双线性插值（实现是通过卷积核
    • 转置卷积（也就是通过深度学习，来找到最佳的线性插值的卷积值
  • 直接升采样高层特征会丢失许多细节，所以要多用上低层次特征图

    • 

    • 在UNet中思路更加明显

  • 上下文信息（PSPNet
    • 要求感受野足够大
    • 特征图大感受野受限，特征图小感受野打

• DeepLab

  • 不增加参数的情况下增大感受野，避免插值——空洞卷积

    • 

    • 应用在降采样

  • CRF概率模型来精细预测分割结果——条件随机场（通过最小化能量函数
  • 空洞卷积来池化（升采样信息