超级会员免费看
本文详细介绍了图像分割的概念、应用和发展，深入探讨了图像分割的分类，如普通分割、语义分割和实例分割。接着，讨论了图像分割的结构，包括下采样和上采样的方法。重点讲解了FCN、U-Net、U-Net++和DeepLab模型，特别提到了U-Net++的深监督和剪枝机制。最后，文章阐述了评估图像分割性能的Dice系数和IOU Loss。
一、什么是图像分割
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。
本质：像素级别的分割
二、图像分割的应用
（1）医学
（2）自动驾驶
（3）交通控制系统
（4）在卫星图像中定位物体（道路、森林等）
三、图像分割的发展
四、图像分割的分类
4.1 普通分割
将不同分属不同物体的像素区域分开，如前景与后景分割开，狗的区域与猫的区域分割开。
4.2 语义分割
在普通分割的基础上，分类出每一块区域的语义，如画面中的所有物体都指出它们各自的类别。
4.3 实例分割
在语义分割的基础上，给每个物体编号，如这个是该画面中的A狗，那个是画面中的B狗。
五、图像分割的结构
最开始的结构：
缺点：最大池化；加了padding位置要偏移；反算时，像素值也变了
订阅专栏 解锁全文
3552
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
