OpenCV4.x图像处理实例-YOLO v8图像分割

YOLO v8图像分割

在前面的文章中，我们使用YOLO v8模型实现了图像、视频流进行物体检测与识别。本文将详细介绍，如何使用YOLO v8进行物体检测与分割(Segmetation)。

1、图像分割介绍

图像分割（Image Segmentation）是计算机视觉和数字图像处理的一个子领域，旨在将图像的相似区域或片段分组到它们各自的类标签下。

由于整个过程是数字化的，因此可以使用像素形式表示模拟图像，从而使形成片段的任务等同于对像素进行分组。

图像分割是图像分类的扩展，除了分类之外，我们还执行定位。 因此，图像分割是图像分类的超集，模型通过勾勒出对象的边界来精确定位相应对象的位置。

在计算机视觉中，与分类器中的单个编码器网络相比，大多数图像分割模型由编码器-解码器网络组成。

编码器对输入的潜在空间表示进行编码，解码器将其解码以形成分段映射，或者换句话说，映射概述了图像中每个对象的位置。

一个典型的图像分割看起来像这样：

图像分割标注

与所有有监督的深度学习算法一样，有监督的分割过程需要大规模的带注释的预处理数据进行训练。

所需的注释类