图像分类目标检测语义/实例/全景分割超像素

Posted Arrow

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了图像分类目标检测语义/实例/全景分割超像素相关的知识,希望对你有一定的参考价值。

1. 图像分类(image classification)

就是识别图像中有哪些内容,如有人、猫、车等(不需要知道每个内容位置和多少)

2. 目标检测(object detection)

识别图像中存在的内容,并检测出第个内容的位置

3. 图像分割(image segmentation)

根据某些规则将图片中的像素分成不同的部分、打上不同标签(即像素分类

3.1 语义分割(semantic segmentation)

  • 对图像中的每个像素打上类别标签,如下图,把图像分为人(红色)、树木(深绿)、草地(浅绿)、天空(蓝色)标签
  • 只区分类别,不区分各个目标

3.2 实例分割(instance segmentation)

  • 第一步:在图像中将目标检测出来(目标检测)
  • 第二步:把目标的每个像素打上标签(语义分割)
  • 关注每个目标实例。语义分割不区分属于相同类别的不同实例(所有人都标为红色),实例分割区分同类的不同实例(使用不同颜色区分不同的人)

3.3 全景分割(panoptic segmentation)

  • 第一步:把所有目标都检测出来
  • 第二步:区分出同个类别中的不同实例
  • 实例分割只对图像中的目标(如上图中的人)进行检测和按像素分割,区分不同实例(使用不同颜色),而全景分割是对图中的所有物体包括背景都要进行检测和分割,区分不同实例(使用不同颜色)

4. 超像素(superpixels)

  • 超像素最大的功能之一,便是作为图像处理其他算法的预处理,在不牺牲太大精确度的情况下 降维!
  • 超像素最直观的解释,便是把一些具有相似特性的像素“聚合”起来,形成一个更具有代表性的大“元素”。
  • 而这个新的元素,将作为其他图像处理算法的基本单位。一来大大降低了维度;二来可以剔除一些异常像素点。
  • 至于根据什么特性把一个个像素点聚集起来,可以是颜色、纹理、类别等。

以上是关于图像分类目标检测语义/实例/全景分割超像素的主要内容,如果未能解决你的问题,请参考以下文章

分类目标检测语义分割实例分割的区别

Lecture 11 检测与分割

图像分割:Semantic/Instance/Panoramic Segmentation

计算机视觉图像分类目标检测人脸比对人脸识别语义分割实例分割图像搜索

使用MMDetection进行目标检测实例和全景分割

Swin Transformer实战实例分割:训练自己的数据集