“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;