合集-语义分割系列专栏

【语义分割专栏】先导篇：常用数据集(VOC、Camvid、Cityscape、ADE20k、COCO)
摘要：介绍语义分割领域中常用的数据集以及如何处理 阅读全文
posted @ 2025-05-12 09:19 carpell 阅读(1300) 评论(0) 推荐(0)
【语义分割专栏】先导篇：评价指标(PA,CPA,IoU,mIoU,FWIoU,F1)
摘要：本文介绍了语义分割任务中常用的评价指标，从混淆矩阵出发，如果去计算PA、CPA、IoU、mIoU、FWIoU、F1等语义分割任务中常用的指标。 阅读全文
posted @ 2025-05-15 20:18 carpell 阅读(1497) 评论(0) 推荐(0)
【语义分割专栏】：FCN原理篇
摘要：本文介绍了语义分割领域的开山之作——全卷积网络（FCN），并详细解析了其核心思想与创新点。文章分析了FCN出现的历史背景，指出传统语义分割方法依赖手工特征和滑动窗口的局限性，并提出了使用CNN进行端到端语义分割的挑战。FCN通过舍弃全连接层，构建全卷积网络，解决了输出维度不匹配的问题，并通过反卷积实现上采样，恢复了图像的空间细节。 阅读全文
posted @ 2025-05-19 09:22 carpell 阅读(1281) 评论(1) 推荐(1)
【语义分割专栏】：FCN实战篇(附上完整可运行的代码pytorch)
摘要：本文详细介绍了如何手动复现FCN（全卷积网络）语义分割模型，并深入讲解了代码实现。文章首先回顾了FCN的原理，强调了理解代码的重要性，随后按照模型构建、数据集处理、评价指标设定、训练流程和测试五个部分进行讲解。 阅读全文
posted @ 2025-05-22 10:24 carpell 阅读(1530) 评论(0) 推荐(0)
【语义分割专栏】2：U-net原理篇(由浅入深)
摘要：本文介绍了语义分割领域的经典模型U-Net，其针对医学图像分割面临的数据稀缺、标注困难等问题进行了创新设计。U-Net采用对称的编码器-解码器结构，通过跳跃连接将低级与高级语义信息进行通道拼接（concat）。 阅读全文
posted @ 2025-06-03 10:10 carpell 阅读(3204) 评论(3) 推荐(1)
【语义分割专栏】2：U-net实战篇(附上完整可运行的代码pytorch)
摘要：本文详细介绍了如何手动复现U-net（全卷积网络）语义分割模型，并深入讲解了代码实现。文章按照模型构建、数据集处理、评价指标设定、训练流程和测试五个部分进行讲解。 阅读全文
posted @ 2025-06-04 09:27 carpell 阅读(5754) 评论(13) 推荐(1)
【语义分割专栏】3：Segnet原理篇
摘要：本文介绍了语义分割领域的经典模型Segnet，其针对无人驾驶和AR技术中所需的实时性，准确性要求进行了创新设计。Segnet采用对称的编码器-解码器结构，通过池化索引(pooling Indices)计数减少计算量，达到实时性的要求同时不会降低太多准确性。 阅读全文
posted @ 2025-06-08 10:40 carpell 阅读(634) 评论(0) 推荐(1)
【语义分割专栏】3：Segnet实战篇(附上完整可运行的代码pytorch)
摘要：本文详细介绍了如何手动复现Segnet语义分割模型，并深入讲解了代码实现。文章按照模型构建、数据集处理、评价指标设定、训练流程和测试五个部分进行讲解。 阅读全文
posted @ 2025-06-09 09:37 carpell 阅读(712) 评论(4) 推荐(1)
【语义分割专栏】4：deeplab系列原理篇
摘要：本文介绍了语义分割领域经典模型Deeplab系列的发展历程。Deeplabv1针对FCN存在的分辨率下降和边界模糊问题，创新性地提出空洞卷积以扩大感受野并保留位置信息，同时引入全连接条件随机场优化边界分割效果。Deeplabv2通过ASPP模块融合多尺度信息，提升模型对不同尺寸物体的识别能力。Deeplabv3进一步改进ASPP结构，加入图像级全局平均池化，并去掉CRF实现端到端训练。Deeplabv3+则引入编码解码结构，更好的优化了模型。 阅读全文
posted @ 2025-06-20 12:36 carpell 阅读(908) 评论(0) 推荐(0)