本文主要是介绍深度学习之图像分割（一）—— 前言（霹雳吧啦wz），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！
文章目录
- 一、什么是语义分割
- 1.实例分割和语义分割的区别
- 2.全景分割
- 3.语义分割出现的问题及解决办法
- 4.语义分割的实现流程
- 5.常见数据集及应用
- 二、暂定的学习规划
- 三、语义分割任务常见数据集格式
- 1.PASCAL VOC——PNG图片（P模式）
- 2.MS COCO
- 四、语义分割得到结果的具体形式
- 五、语义分割常见评价指标
- 1.Pixel Accuracy(Global ACC)像素精度或全局精度
- 2.mean Accuracy
- 3.mean IOU
- 1.什么是IOU？
- 2.mean IOU如何计算？
- 1.求出混淆矩阵
- 2.分别计算每个类别的iou
- 3.求和求平均
- 六、语义分割标注工具
一、什么是语义分割
1.实例分割和语义分割的区别
1.实例分割不关注背景
2.语义分割会把同一个物体识别成一个颜色
2.全景分割
全景分割是对实例分割和语义分割的一个综合
3.语义分割出现的问题及解决办法
4.语义分割的实现流程
5.常见数据集及应用
二、暂定的学习规划
三、语义分割任务常见数据集格式
1.PASCAL VOC——PNG图片（P模式）
每一种不同的物体对应的都有一种颜色，例如人对应的就是粉红色
使用调色板模式存储，图片是一通道，但是每个像素都对应一个颜色（0～255）
像素0对应的是（0，0，0）黑色
像素1对应的是（127，0，0）深红色
像素255对应的是（224，224，129）目标边缘
2.MS COCO
MSCOCO数据集是没有边界标注的，把每一个实例都是能分割出来，针对图像中的每一个目标都记录了多边形坐标对变形
四、语义分割得到结果的具体形式
单通道图片，加上调色板变成彩色图片，每个像素数值对应类别索引
五、语义分割常见评价指标
1.Pixel Accuracy(Global ACC)像素精度或全局精度
PA = 对角线和 / 总和
2.mean Accuracy
MPA = 对角线上单个元素 / 每列和（列是指真实标签，在代码中真实标签一般是行，所以在写代码时一定要看清楚代码中哪个是预测标签，哪个是真实标签）
求和求平均
3.mean IOU
1.什么是IOU？
真实和预测面积的交集比上他们面积的并集。（这个指标最重要，因为和别人的代码比的就是这个）
2.mean IOU如何计算？
1.求出混淆矩阵
2.分别计算每个类别的iou
3.求和求平均
六、语义分割标注工具
1.Labelme
2.EISeg
这篇关于深度学习之图像分割（一）—— 前言（霹雳吧啦wz）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！
