opennmmlab實戰營二期-mmsegmentation理論課（八）
視頻鏈接
前言
-
mmsegmentation演算法庫的介紹
比如特點、模型庫、資料集、應用場景（醫療、遙感、生活、工業） -
什么是語意分割
將影像按照物體的類別分割成不同的區域==對每個像素進行分類
應用：無人駕駛汽車、人像分割（摳圖）、衛星遙感、醫療影像分析（x光、ct片分割病灶區域） -
語意分割vs實體分割vs全景分割
語意分割的基本思路
- 按顏色分割，但存在一些問題：
- 逐像素分類：
深度學習下的語意分割模型
全卷積網路
升采樣：
雙線性插值：
使用卷積實作雙線性插值：
轉置卷積：
全卷積網路的預測與訓練：
基于多層級特征的上采樣：
unet：
背景關系資訊與PSPNet模型
影像周圍的內容（也稱背景關系）可以幫助做出更準確得到判斷，
PSPNet：
空洞卷積和DeepLab模型
DeepLab系列：
空洞卷積：
DeepLab模型：
條件隨機場CRF：
空間金字塔池化ASPP：
DeepLab v3+：
語意分割演算法總結
語意分割前沿演算法
SegFormer、K-Net、MaskFormer、Mask2Former、Segment Anything（SAM）、
分割模型的評估
取交集或并集：
實踐mmseg
預知如何實作，請見下回分解！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/554982.html
標籤：其他
下一篇：返回列表