OpenMMLabAI实战营6 语义分割与MMSeg笔记

文章探讨了语义分割在无人驾驶、人像分割等领域的应用,介绍了深度学习模型如UNet和PSPNet在解决语义分割问题上的策略,包括空洞卷积和多尺度池化来捕获上下文信息。同时提到了评估方法IOU和实例分割的相关工具MMSeg与MMDet。
摘要由CSDN通过智能技术生成

视频地址
应用:无人驾驶汽车、人像分割、智能遥感、医疗影像分析

语义分割实例分割全景分割
仅考虑cls不同实体,不考虑背景不同实体,考虑背景

语义分割的基本思路

按颜色分割 不同物体颜色相近,物体内包含多种颜色
逐像素分类 滑窗 效率低下
所以复用卷积计算 全连接层要求固定输入大小

深度学习下的语义分割模型

3维为分3类
在这里插入图片描述

网络输出是越来越小的,升采样恢复原图分辨率

  • 双线性差值(卷积核实现等价效果)
  • 转置卷积
    用细节换语义信息,使用多层级特征(FCN)
    UNet2015(传统网络受感受野限制,无法使用上下文信息)
    在这里插入图片描述

PSPNet 多尺度池化

3个改进点

  • 使用空洞卷积解决网络中的下采样问题
    下采样会丢失信息,可将池化层和卷积中的步长去掉,但特征图变大,学习参数增加,空洞卷积既要增大感受野又要少学习参数
  • 使用条件随机场CRF作为后处理手段,精细化分割图
    仅鼓励在原图边界处产生类别变化
  • 使用多尺度的空洞卷积(ASPP模块)捕捉上下文信息
    在这里插入图片描述

分割模型的评估方法

IOU交并比

实践MMSeg

实例分割在MMDet中
语义分割在MMSeg中

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值