图像分割体验课 DAY1

图像分割体验课

• 基础知识：神经网络（前向、反向）、卷积神经网络（卷积、池化、上采样）、分类网络（VGG
  net\AlexNet）、PyTorch基础

语义分割：分割场景
实例分割：不需要分割北京，要识别出人和汽车的区别
全景分割：语义分割和实例分割的结合在这里插入图片描述

应用：地理信息、无人车、医疗影像、机器人
传统方法问题：效率低（7次N-cut)

语义分割数据集

FCN深度学习语义的开山之作

摘要：
主要成就

问题：1.效率低 2.特征融合没办法实现
创新点：1.上采样 2. 迁移学习 3.跳跃结构

全连接：将二维变成一维
卷积：保证二维矩阵的二维信息不变
上采样：反卷积（将图片放大）

研究意义：FCN是语义分割开山之作
为后续语义分割算法的发展铺平了道路，大部分涉及到语义分割的论文都会引用它