“语义分割”的版本间的差异
来自Wiki.Citydatum
（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…”） |
小 （→应用案例） |
||
| 第24行： | 第24行： | ||
=== 应用案例 === | === 应用案例 === | ||
| − | * | + | * [https://zhuanlan.zhihu.com/p/27315505 StreeTalk——给你一个感观世界]，刘浏，城室科技（知乎专栏） |
== 上手 == | == 上手 == | ||
2018年9月6日 (四) 00:02的最新版本
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）
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
- Wikipedia: Image Segmentation
- 计算机视觉之语义分割，张宇，GeoHey Blog；
- 一文了解什么是语义分割及常用的语义分割方法有哪些，机器之心，百度百家号；
