增强工具:GitHub - albumentations-team/albumentations: Fast image augmentation library and an easy-to-use wrapper around other libraries. Documentation: https://albumentations.ai/docs/ Paper about the library: https://www.mdpi.com/2078-2489/11/2/125
good语义分割大全:GitHub - mrgloom/awesome-semantic-segmentation: awesome-semantic-segmentation
一、上采样
1.repeat 按行列复制填充
2. Resize,如双线性插值直接缩放,类似于图像缩放
2.1 线性插值
2.2 双线性插值
双线性插值核心思想:是在两个方向分别进行一次线性插值。
假设我们已知函数 f 在 Q11 = (x1, y1)、Q12 = (x1, y2), Q21 = (x2, y1) 以及 Q22 = (x2, y2) 四个点的值,求函数 f 在点 P = (x, y) 的值
![](https://i-blog.csdnimg.cn/blog_migrate/1e3bb127f7f3b8811a585311fa877804.png)
3. Deconvolution,也叫 Transposed Convolution
二、语义分割
1、背景:
图像语义分割(Semantic Segmentation)是图像处理和是机器视觉技术中关于图像理 解的重要一环,也是 AI 领域中一个重要的分支。语义分割即是对图像中每一个像素点进行 分类,确定每个点的类别(如属于背景、人或车等),从而进行区域划分
2、语义分割、实例分割、全景分割概念
1. 语义分割(semantic segmentation):对图像中逐像素进行分类。
2. 实例分割(instance segmentation):对图像中的 object 进行检测,并对检测到的 object 进行分割。
3. 全景分割(panoptic segmentation):对图像中的所有物体进行描述
![](https://i-blog.csdnimg.cn/blog_migrate/be3dd44425447b89ecc92bf1d673a4e9.png)