计算机视觉基础（11）——语义分割和实例分割

前言

在这节课，我们将学习语义分割和实例分割。在语义分割中，我们需要重点掌握语义分割的概念、常用数据集、评价指标（IoU）以及经典的语义分割方法（Deeplab系列）；在实例分割中，需要知道实力分割可以近似看为“目标检测+语义分割”，需要知道Mask R-CNN方法的计算流程，以及评价指标mAP。

一、语义分割

1.1? 分割类任务的定义

分割类任务是一种密集标注任务，即将图像中每个像素赋予一个语义或者实例标签。

1.2? 语义分割的应用场景

• 无人驾驶
• 机器人
• 医学图像
• ……

1.3? 常用数据集

1.3.1? Pascal VOC Dataset

VOC数据集是计算机视觉主流数据集之一，由牛津大学、比利时鲁汶大学等高校的视觉研究组联合发布，可以用作分类，分割，目标检测，动作检测和人物定位五类任务，包含21个类别标签，训练1464，验证1449，测试1456。

1.3.2? MS COCO Dataset

1.3.3? ADE20K Dataset

ADE20K数据集由 MIT CSAIL 研究组发布，涵盖广泛的场景和对象类别，可用于场景感知、解析、分割、多物体识别和语义理解。该数据集构建了一个场景解析基准，包含150个对象和素材类。

1.3.4? CityScapes Dataset

CityScapes是由奔驰自动驾驶实验室、马克思·普朗克研究所、达姆施塔特工业大学联合发布的图像数据集，专注于对城市街景的语义理解。 该数据集包含50个城市不同场景、不同背景、不同街景，以及30类涵盖地面、建筑、交通标志、自然、天空、人和车辆等的物体标注，共有5000张精细标注的图像和2万张粗略标注的图像。

1.4? 评价指标（重点）

平均交并比 (mean Intersection over Union, mIoU) ——每个类别的所有像素去计算交并比

1.5? 语义分割方法

1.5.1? 基于滑动窗的提取图像块后分类

基于滑动窗提取图像块然后对图像块的中心进行分类

1.5.2? 用CNN计算整幅图的特征

用CNN计算整幅图的特征，然后在其上进行标签预测

1.5.3? 全卷积网络

【方案一】

设计只含有卷积层而没有降采样操作的神经网络，这样可以同时对所有像素进行标签预测

【方案二】

设计包含卷积层、下采样操作和上采样操作的神经网络。

下采样操作：可以通过池化和加大卷积步长来实现

上采样操作：可以通过插值、逆池化和转置卷积来实现

【插值】

【逆池化】

【转置卷积】

【上采样结构总结】

【U-Net】

1.5.4? DeepLab系列

【Deeplab V1】

【Deeplab V2】

【Deeplab V3】

【Deeplab V3+】

1.5.5? PSPNet

1.5.6? HRNet

二、实例分割

2.1? 实例分割的概念

实例分割 可以近似看为 目标检测 + 语义分割

2.2? Mask R-CNN

2.3? 评价指标（重点）

2.4? 实例分割效果

总结

在本文中，我们学习了语义分割和实例分割，需要清楚二者的区别，并掌握二者的算法流程，需要重点关注语义分割和实例分割的方法举例和评价指标。