一. 图像语义分割
传统的图像分割方法主要包括以下几种:
1)基于边缘检测
2)基于阈值分割
比如直方图,颜色,灰度等
3)水平集方法
这里我们要说的是语义分割,什么是语义分割呢?先来看张图:
将目标按照其分类进行像素级的区分,比如区分上图的 摩托车 和 骑手,这就是语义分割,语义分割赋予了场景理解更进一步的手段。
我们直接跳过传统的语义分割方法,比如 N-Cut,图割法等,直接进入深度学习。
二. FCN 的引入
CNN 在图像分割中应用,起源于2015年的这篇影响深远的文章:
Fully Convolutional Networks for Semantic Segmentation 【点击下载】
这里提到的就是全卷积网络,那么这个全

本文介绍了图像语义分割的概念,并深入探讨了全卷积网络(FCN)在深度学习中的应用,包括FCN的工作原理、上采样与反卷积,以及FCN的改进如结合CRF进行更精细化的像素分割。最后提到了实例分割的挑战和相关论文。
最低0.47元/天 解锁文章
7862

被折叠的 条评论
为什么被折叠?



