语义分割概述

什么是语义分割       

        语义分割是计算机视觉的重要研究方向，计算机视觉包含图像分类、目标检测、图像分割、图像理解等几大块，语义分割是图像分割中的子领域。图像分类是对一整张图片做分类，目标检测是对图片中的所有物体做定位和分类，语义分割是对图片中的所有物体做像素点的分类。下图是我从网络中找到的，这个图像比文字描述更加生动形象一点。 

语义分割能做什么

1. 辅助自动驾驶：用于道路探索与障碍物检测
2. 医学影像诊断：分割出异常位置，减少诊断时间
3. 辅助人脸美颜：分割出人脸各个部位针对性对人脸做美化
4. 快速图片过滤：分割图片各类物体并做筛选

语义分割常用数据集

1. Cityscapes
2. KITTI
3. PASCAL Visual Object Classes

发展现状

        我已经比较久没有跟踪这块的内容了，我印象最深的就是FCN，后续又提出了Unet、DeepLab V1、V2、V3，最近了解到的比较火的就是Segment Anything Model（SAM模型的官网），我写这篇博客的本意是梳理一下自身的知识点，做一些知识分享，后续也会上手数据的标注并借助SAM模型进行半自动化标注的实验。深度学习领域目前发展较快，每隔0.5~1年就会有较大的更新，但是很多时候新的技术并不能快速落地，这也是深度学习领域较为尴尬的地方。

专栏的规划

        目前在做的专栏有视频分类，现在新增语义分割，接下来主要先更新语义分割（目前工作上需要使用这项技术，我想在写博客中梳理自身遇到的坑，并将知识分享出来共同学习）。接下来会写的内容：

• 使用pytorch的预训练模型做测试
• 标注自己的数据集
• 使用SAM半自动标注数据集
• 训练自己的数据集

结尾

        以上是我关于语义分割的概述，欢迎大家在评论区补充内容。感谢您的观看，觉得写的还可以请帮忙点个赞和收藏！