本文主要是介绍感知智能实验室:语义分割在水域监控上的应用研究,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
编者按:语义分割(Semantic Segmentation)是计算机视觉中的一个重要领域,它可以将图像中的每一个像素划分到不同类别的集合中。近年来,语义分割在自动驾驶、医疗图像识别等领域发展迅速、应用广泛。
本文中,百分点感知智能实验室介绍了语义分割的技术原理及应用场景,并分享了百分点科技基于语义分割技术在水域监控中的应用和具体落地流程。
一、场景需求及技术难点
水域监控是为了定期监控水域、滩地、堤坝等区域情况,检查是否有堤坝缺失或水域变化异常情况的发生。水域图像会定时定点拍摄,为了实现辅助监控任务需要将传回的图像分割,并将图像中的不同类型区域区分并标明。
水域监控图像示例
具体来说,任务需要识别目标图像中河流、滩地、心滩、草地、连坝、丁坝、防备石、树林、天空等区域。
局部图像示例
上图简单列出了几种需要识别的类型:河流、河流两岸的堤坝、用于加固大坝的防备石,以及河流与堤坝旁的滩地。目前,水域分割任务的技术难点有以下几类:
所需分割类型较多且有些较为相似,画面中的元素较多,背景复杂;
拍摄高度较高,一些目标像素较小且不同类型目标大小差异巨大;
相机拍摄距离的不同会造成同一物体在图像中存在很大差距,占幅不同;
部分区域相邻的像素对应的图像信息太过相似;
图像中不同类别或实例的像素存在不均衡的问题;
拍摄条件造成的影响,如光照过曝或过暗、抖动造成的模糊等。
二、技术路线
在技术路线上,百分点科技使用了基于语义分割的地理信息提取系统来实现既定任务。地理信息提取系统可以通过训练神经网络让机器输入卫星遥感影像,自动识别道路、河流、庄稼和建筑物等,并且对图像中每个像素进行标注。
基于地理信息提取系统的语义分割,百分点科技开发了一套水域分割系统,可定期监控水域,滩地,堤坝等区域情况,并将图像划分为河流、滩地、心滩、草地、连坝、丁坝、防备石、树林、天空等,辅助研究人员观测水域情况。那么语义分割具体是指什么、又为什么要选择语义分割技术来实现呢?
- 语义分割介绍
我们知道图像是像素的集合,语义分割是对图像中属于某个类别的每个像素进行分类的过程,因此可以将其视为每个像素的分类问题。
语义分割示例
语义分割同实例分割(InstanceSegmentation )、全景分割(Panorama Segmentation)共同组成了图像分割(Image Segmentation)。当前人类对用计算机视觉解决的最
这篇关于感知智能实验室:语义分割在水域监控上的应用研究的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!