图像分割是计算机视觉研究的一个重要且基础的课题,主要有三种划分方式:
背景分割:区分前景和背景。
语义分割:每个像素点赋予一个语义,同一语义组成一个“类别”。
实例分割:像素级别区分图中的实体,能够区分同一“类别”中的不同实例。
图像分割的输入是一张图像,输出也是一张图像,每个像素点都对应一个标签。有点类似于像素分类或像素聚类。
图像分割早期采用传统图像处理方法,现主流技术手段是采用深度学习的方法,主要是使用卷积神经网络来训练。
图像分割是计算机视觉研究的一个重要且基础的课题,主要有三种划分方式:
背景分割:区分前景和背景。
语义分割:每个像素点赋予一个语义,同一语义组成一个“类别”。
实例分割:像素级别区分图中的实体,能够区分同一“类别”中的不同实例。
图像分割的输入是一张图像,输出也是一张图像,每个像素点都对应一个标签。有点类似于像素分类或像素聚类。
图像分割早期采用传统图像处理方法,现主流技术手段是采用深度学习的方法,主要是使用卷积神经网络来训练。