《计算机视觉》第四章 图像分割（概述）

图像分割是指将图像分成若干具有相似性质的区域的过程，从数学角度来看，图像分割是将图像划分成互不相交的区域的过程。
图像分割可以分为  语义分割与 实例分割。
语义分割是指需要 进一步判断图像中哪些像素属于哪类目标。
但是，语义分割不区分属于相同类别的不同实例。由此不同的是，实例分割可以区分出属于不同实例的那些像素。
2015，FCN,第一个提出深度学习在图像 分割领域
2016，SegNet，提出的扩张卷积层在不降低视觉空间的前提下可以增加视野维度。使图像分割的结果更为精细。
chen等在Deeplab网络中提出了一种新的卷积结构：带孔卷积，(Atrous Convolution).这种卷积方式能够保证池化后的感受野不变，从而实现更加精细的语义分割。


FCN 
FCN详解与pytorch简单实现（附详细代码解读）_fcn pytorch-CSDN博客
第一个，用来图像分割的，。。。与传统的卷积神经网络只能输入固定大小图像和在网络的末端使用几个全连接层得到固定长度的特征向量不同。，全卷积神经网络能够接受任意大小尺寸的输入图像，并且网络中没有使用全连接层，而是全部使用卷积层。
全卷积神经网络采用反卷积层取代简单的线性插值算法，对最后一个卷积层的特征图进行上采样，使用反卷积可以对卷积进行逆操作。使得特征图可以恢复到和输入图像相同的尺寸大小，并且能够保持数据之间的相关性，从而可以对每个像素都产生一个语义预测。此过程保留了原始输入图像中的空间信息ÿ