语义分割前言
一、什么是语义分割
语义分割时常见分割任务中的一种,常见的分割任务有以下三方面:
语义分割 (semantic segmentation)FCN
实例分割(Instance segmentation)Mask R-CNN
全景分割(Panoramic segmentation) Panoptic FPN
实例分割会更精细一点,针对不同的对象有不同的颜色。
全景分割可以理解为语义分割加实例分割,他还要对背景进行分割
二、学习规划
三、语义分割任务常见的数据集格式
1.PASCAL VOC
其中的PNG图片是用调色板的形式进行存储的,通道数为1,是单通道的。但可以让图片是彩色的,更可视化
比如像素0 对应的是(0,0,0)黑色
像素1对应的是(127,0,0)深红色
像素255对应的是(224,224,129)
讲解该数据集的一篇博客https://blog.csdn.net/qq_37541097/article/details/115787033
2.MS COCO
四、常见语义分割评价指标
从FCN原论文中总结的
举例:
对于0来说,第四个图中绿色部分表示预测正确的部分,红色部分表示预测错误的部分
一共有16个预测正确的0,将16填到右侧图的(0,0)坐标处,两个将3错误预测为0,将2填到右侧图(3,0)坐标处
同上
最终我们可以得到一个矩阵
图中公式分子为矩阵的对角线的数的和,分母为所有数的和,得到全局的正确率
也可以分别计算得到每个类别的预测正确率
上图是每个类别iou的计算,分母为类别所在行加所在列再减去预测正确的数
五、语义分割标注工具
1.labelme
https://github.com/wkentaro/labelme
使用方法的博客:
https://blog.csdn.net/qq_37541097/article/details/120162702
2.EISeg
https:// github.com/PaddlePaddle/PaddleSeg
使用方法的博客:
https://blog.csdn.net/qq_37541097/article/details/120154543
是一个半自动的标注模型, 不需要去描画出来,只需要点一下就可以框起来