语义分割

来自Wiki.Citydatum
Reiziuh讨论 | 贡献2018年9月6日 (四) 01:01的版本 (创建页面,内容为“{{提示|该页面仍需进一步完善,欢迎加入我们}} 语义分割是将视觉输入分为不同的语义可解释类别,是计算机视觉中的基…”)
(差异) ←上一版本 | 最后版本 (差异) | 下一版本→ (差异)
跳转至: 导航搜索
TODO
提示:该页面仍需进一步完善,欢迎加入我们


语义分割是将视觉输入分为不同的语义可解释类别,是计算机视觉中的基本任务。

语义分割的演示视频,来自Zhao等的 ICNet(2017)

语义分割的演示视频,来自Zhao等的 ICNet(2017)

概述

训练数据集

目前有一些常用于训练语义分割模型的数据集:

  • Pascal VOC 2012:有 20 类目标,这些目标包括人类、机动车类以及其他类,可用于目标类别或背景的分割;
  • Cityscapes:50 个城市的城市场景语义理解数据集;
  • Pascal Context:有 400 多类的室内和室外场景;
  • Stanford Background Dataset:至少有一个前景物体的一组户外场景;

应用

主要领域

目前语义分割的主要应用领域:

  • 地理信息系统
  • 无人车驾驶
  • 医疗影像分析
  • 机器人等领域

应用案例

  • StreeTalk——给你一个感观世界,刘浏,城室科技(知乎专栏)

上手

参考链接