预告 | 《深度学习图像分割》将在GitHub逐步内容开源！

《深度学习图像分割》这本书写写停停，历经三年多，目前在二稿修订中。正式出版之前，计划先在GitHub做逐步的内容和代码开源。

以下为本书第1章节选内容：

相较于目标检测只关注图像中的局部区域，基于深度学习的图像分割则更为精细，它将每一个像素点作为研究对象，并对每个像素赋予一个语义标签。因此，图像分割的一个基本类型称为语义分割（semantic segmentation）。除了语义分割，实例分割（instance segmentation）和全景分割（panoptic segmentation）两种其他重要的分割方式也有广泛的应用。那么，它们之间有什么区别和联系呢？

（1）语义分割的任务是对图像中的每个像素进行分类，并将具有相同类别的像素统一标记为同一个标签。也就是说，它只关注像素属于什么类别，而不关心属于同一类别的不同个体之间的区别。例如，如果图像中有多个人，语义分割的结果是所有人的像素都会被统一标记为“人”这个类别，而不会区分他们是不同的个体。语义分割的重点是整体场景的理解，适用于对场景分类有需求的任务。

（2）实例分割在语义分割的基础上更进一步，不仅对每个像素进行分类，还要区分同一类别中的不同个体。它结合了语义分割和目标检测的特性，既需要对物体进行像素级别的分割，又要标识每个对象的独立性。例如，在一张图像中有多个人，实例分割的结果不仅会标记出“人”这个类别，还会将不同的个体（每个人）单独分割出来，即使他们属于同一类“人”。

（3）全景分割