语义分割基础
温馨提示|最后更新于 2025-02-24,距今已过 528 天。部分内容可能已过时 1. 基本概念#
1.1 什么是图像分割#
预测目标的轮廓
Snipaste_2025-02-24_19-24-33
Snipaste_2025-02-24_19-25-101.2 图像分割的应用场景#
Snipaste_2025-02-24_19-26-34医学图像分割:医学影像,CT照片等
1.3 图像分割的前景和背景#
Snipaste_2025-02-24_19-28-51things和stuff
1.4 图像分割的三个层次#
Snipaste_2025-02-24_19-31-28
Snipaste_2025-02-24_19-33-52
Snipaste_2025-02-24_19-35-14
Snipaste_2025-02-24_19-37-03
2.经典数据集#
2.1 PASCAL数据集#
Snipaste_2025-02-24_19-43-44
Snipaste_2025-02-24_19-44-22
Snipaste_2025-02-24_19-44-482.1Cityscape(用于自动驾驶场景)#
Snipaste_2025-02-24_19-47-03
Snipaste_2025-02-24_19-49-14
Snipaste_2025-02-24_19-50-402.3 COCO数据集#
Snipaste_2025-02-24_19-53-15
Snipaste_2025-02-24_19-54-04
Snipaste_2025-02-24_19-55-37
3. 评估指标和优化目标#
3.1 语义分割评估指标#
Snipaste_2025-02-24_19-57-42
Snipaste_2025-02-24_19-59-263.2 语义分割常用优化目标#
Snipaste_2025-02-24_20-04-23
Snipaste_2025-02-24_20-06-05
Snipaste_2025-02-24_20-07-51
Snipaste_2025-02-24_20-09-59
4. 上采样#
4.1 图像分割网络的两个模块#
Snipaste_2025-02-24_20-13-524.2 上采样实现方法—插值法#
Snipaste_2025-02-24_20-16-32
Snipaste_2025-02-24_20-18-13
Snipaste_2025-02-24_20-26-45
Snipaste_2025-02-24_20-27-49
Snipaste_2025-02-24_20-31-39
Snipaste_2025-02-24_20-36-244.3 典型的图像分割网络#
Snipaste_2025-02-24_20-39-19