opennmmlab实战营二期-mmsegmentation理论课（八）

opennmmlab实战营二期-mmsegmentation理论课（八）

视频链接

前言

• mmsegmentation算法库的介绍
  比如特点、模型库、数据集、应用场景（医疗、遥感、生活、工业）

• 什么是语义分割
  将图像按照物体的类别分割成不同的区域==对每个像素进行分类
  应用：无人驾驶汽车、人像分割（抠图）、卫星遥感、医疗影像分析（x光、ct片分割病灶区域）

• 语义分割vs实例分割vs全景分割
  

语义分割的基本思路

• 按颜色分割，但存在一些问题：
  
• 逐像素分类：
  

深度学习下的语义分割模型

全卷积网络

升采样：

双线性插值：

使用卷积实现双线性插值：

转置卷积：


全卷积网络的预测与训练：

基于多层级特征的上采样：


unet：

上下文信息与PSPNet模型

图像周围的内容（也称上下文）可以帮助做出更准确得到判断。

PSPNet：

空洞卷积和DeepLab模型

DeepLab系列：

空洞卷积：



DeepLab模型：

条件随机场CRF：


空间金字塔池化ASPP：

DeepLab v3+：

语义分割算法总结

语义分割前沿算法

SegFormer、K-Net、MaskFormer、Mask2Former、Segment Anything（SAM）、

分割模型的评估

取交集或并集：

实践mmseg

预知如何实现，请见下回分解！