【图像分割】走进基于深度学习的图像分割(1)

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。基于深度学习的图像分割算法主要分为两类：

1.语义分割

为图像中的每个像素分配一个类别，如把画面中的所有物体都指出它们各自的类别。

2.实例分割

与语义分割不同，实例分割只对特定物体进行类别分配，这一点与目标检测有点相似，但目标检测输出的是边界框和类别，而实例分割输出的是掩膜（mask）和类别。

应用领域

===============================================================

1. 医学影像。

包括:

（1）肿瘤和其他病理的定位

（2）组织体积的测量

（3）计算机引导的手术

（4）诊断

（5）治疗方案的定制

（6）解剖学结构的研究

2. 在卫星图像中定位物体

（1）建筑物变化检测

（2）农作物、森林、土地等面积的计算

（3）道路提取

（4）建筑物分割

3．无人驾驶领域

4、人脸检测和识别、指纹检测、虹膜识别等。

深度学习中的图像分割模型

=======================================================================

FCN

U-Net：

SegNet

RefineNet

PSPNet

DeepLabv1

DeepLabv2

DeepLabv3

DeepLabv3+

Mask-R-CNN

Transformer

深度学习常用数据集

====================================================================

Pascal VOC

地址链接：http://host.robots.ox.ac.uk/pascal/VOC/

VOC 数据集分为20类，包括背景为21类，分别如下：

• Person: person

• Animal: bird, cat, cow, dog, horse, sheep

• Vehicle: aeroplane, bicycle, boat, bus, car, motorbike, train

• Indoor: bottle, chair, dining table, potted plant, sofa, tv/monitor

VOC 数据集中用于分割比赛的图片实例如下，包含原图以及图像分类分割和图像物体分割两种图（PNG格式）。图像分类分割是在20种物体中，ground-turth图片上每个物体的轮廓填充都有一个特定的颜色，一共20种颜色。

MS COCO

地址链接：https://cocodataset.org/#home

MS COCO 是最大图像分割数据集，提供的类别有 80 类，有超过 33 万张图片，其中 20 万张有标注，整个数据集中个体的数目超过 150 万个。MS COCO是目前难度最大，挑战最高的图像分割数据集。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）

本涵盖了95%以上前端开发知识点，真正体系化！**

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）