分割与分类不同, 分类只需要判断整体图像的信息,分割需要判断每个像素的信息。比如选西瓜的项目中,分类需要解决是好西瓜还是坏西瓜的问题,而分割要解决的是,西瓜在哪里,西瓜有多大的问题。
可以总结出,分割问题中,往往牵涉了几何位置等信息,而分类问题,往往是一种综合判断。
分割有很广泛的应用领域,如人体识别,安全帽识别,登记照更换背景等。
unet的网络结构如下:
右下角有每一层的作用,u字形的左边:卷积,池化,u字形的右边:卷积,上采样。
unet的广泛应用于SVM的广泛应用有着相同的原因,在小数据集上易于训练,效果不错,但是小网络毕竟有小网络的局限,当我们有海量数据的时候,还是有理由相信我们需要更大的网络来处理
参考
- 图像分割必备知识点
- unet论文