OpenMMlab实训营（六）

语义分割

1.介绍

任务： 将图像按照物体的类别分割成不同的区域
等价于： 对每个像素进行分类
应用：
1、无人驾驶汽车：自动驾驶车辆，会将行人，其他车辆，行车道，人行道、交通标志、房屋、草地与树木等按照类别在图像中分割出来，从而辅助车辆对道路的情况进行识别与认知。
2、人像分割：实时替换视频的背景。
3、智能遥感：分辨地表物体的类别，通过右侧分割之后的图像可以看到，红色的部分属于湖泊水流。通过智能遥感能够监测不同季节地表水域的变化，从而辅助农业生产，以及旱灾洪灾的预测等等。
4、医疗影像分析：通过图像分割技术，辅助进行医疗诊断。

比较
语义分割：仅考虑像素的类别，不分割同一类的不同实体。
实例分割：分割不同的实体，仅考虑前景物体。
全景分割：背景仅考虑类别，前景需要区分实体。

2.算法

• 语义分割的基本思路（按颜色或者逐像素分割）
• 深度学习下的语义分割模型
• 全卷积网络（用卷积取代全连接层，可以使输入大小不受限制）
• 空洞卷积与 DeepLab 模型（图像分类模型中的下采样层使输出尺寸变小，可以在不增加参数的情况下增大感受野，以解决这个问题）
• 上下文信息与 PSPNet 模型（图像周围的内容（也称上下文）可以帮助我们做出更准确的判断。）
• 分割模型的评估方法