圖像分割綜述

• 什么是圖像分割？
• 圖像分割在CV領域的研究
• 圖像語義分割用到的技術
• • FCN
  • U-Net&PSPNet
  • DeepLab系列
  • Graph-based 分割
  • 實例分割
• 圖像分割的類型
• 圖像分割的應用場景
• 語義分割算法的基本概念
• 語義分割算法的基本流程
• 語義分割的性能指標

什么是圖像分割？

• What is image segmentation task？
  
  

圖像分割在CV領域的研究

• Why image segmentation task is import ？

圖像語義分割用到的技術

• 編程語言：Python，OOP（面向對象）
• 深度學習框架：TensorFlow、PyTorch、PaddlePaddle
• 其他Python包：Numpy，OpenCV，PIL
• 深度學習算法：FCN，U-Net，PSP Net，DeepLab，etc

FCN

• Feature Map上采樣操作

U-Net&PSPNet

DeepLab系列

Graph-based 分割

• 基于圖卷積的分割網絡
• GloRe算法
• GlNet算法
  

實例分割

• Mask R-CNN，Panopic Deeplab
  

圖像分割的類型

• 根據不同的任務和數據類型：
  • 圖像分割（Image Segmentation）
  • 圖像語義分割（Image Semantic Segmentation）
  • 圖像實例分割（Image Instance Segmentation）
  • 圖像全景分割（Image Panoptic Segmentation）
  • 視頻目標分割（Video Object Segmentation）
  • 視頻實例分割（Video Instance Segmentation）
• 語義分割、實例分割、全景分割：
  • 語義分割：給每個像素（pixel）分類
  • 實例分割：給每個框里的Object分mask
  • 全景分割：背景pixel分類+框里mask

• 視頻目標分割（VOS）

• 視頻實例分割（VIS）

圖像分割的應用場景

• 人臉分割：頭發分割、人臉分割、背景分割

• 自動駕駛：行人、車輛分割、車道線檢測

• 醫學圖像：病理、CT、MRI

• 工業質檢、分揀機器人

語義分割算法的基本概念

語義分割算法的根本目的：像素級分類。

語義分割算法的基本流程

• 輸入：圖像（RGB）
• 算法：深度學習模型
• 輸出：分類結果（與輸入大小一致的單通道圖）
• 訓練過程：
  • 輸入：image+label
  • 前向計算：out=model(image)
  • 計算損失：loss=loss_func(out,label)
  • 反向傳播：loss.backward()
  • 更新權重：optimizer.minimize(loss)

語義分割的性能指標

• mIoU：Mean Intersection over Union
• mAcc：Mean Accuracy

• 分割網絡的評價指標：mAcc，Pred和GT對應位置的分類準確率

• 分割網絡的評價指標：mIoU，分割每一類別的交并比（IOU）

總結

以上是生活随笔為你收集整理的图像分割综述：FCN、U-Net、PSPNet、DeepLab的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。