语义分割,实例分割,全景分割梳理

语义分割(semantic segmentation)

实例分割(instance segmentation)

全景分割(Panoptic Segmentation)

下面基于**《Panoptic Segmentation 》**这篇论文进行这几个概念的梳理

论文链接:https://openaccess.thecvf.com/content_CVPR_2019/papers/Kirillov_Panoptic_Segmentation_CVPR_2019_paper.pdf

论文提出并研究了一个称之为全景分割(Panoptic Segmentation,PS)的任务。全景分割统一了语义分割(为每个像素分配一个类标签)和实例分割(检测和分割每个对象实例)这两个典型的不同任务

Figure 1. 给定图像(a);标签如(b)为语义分割(每个像素的类别标签);标签如(c) 实例分割(每个对象掩码和类别标签);标签如(d)提议的全景分割任务(每像素类别+实例标签);全景分割任务:(1) 包括stuff和thing的类别;(2) 使用简单但通用的格式;(3) 为所有类别引入统一的评估指标。全景分割概括了语义分割和实例分割,我们期待统一的任务将带来新的挑战,并促成创新的新方法。

上图中thing指代诸如人、动物、工具之类的可数对象,stuff是指具有相似纹理或材料的无定形区域,例如草、天空、道路。

(1)语义分割与实例分割区别联系

总的而言,目前的分割任务主要有两种: 语义分割和实例分割。

语义分割是对图像中的每个像素都划分出对应的类别 ,即实现像素级别的分类; 而类的具体对象,即为实例

语义分割和实例分割的区别又是什么

语义分割会为图像中的每个像素分配一个类别 ,但是同一类别之间的对象不会区分。而实例分割,只对特定的物体进行分类。这看起来与目标检测相似,不同的是目标检测输出目标的边界框和类别,实例分割输出的是目标的Mask和类别

语义分割、分类和定位、目标检测和实例分割的比较

(2)语义分割与实例分割经典网络

1.语义分割

<1>全卷积网络FCN https://arxiv.org/pdf/1411.4038.pdf

全卷积网络可以有效地学习,使每个像素的任务,如语义分割密集的预测。

将全连接层转换为卷积层使分类网能够输出热力图。增加层和空间损耗(如上图所示)为端到端密集学习提供了一个高效的机器。

<2>U-Net https://arxiv.org/pdf/1505.04597.pdf

<3>SegNethttps://browse.arxiv.org/pdf/1511.00561.pdf

<4>空洞卷积Dilated Convolutionshttps://browse.arxiv.org/pdf/1511.07122.pdf

<5>DeepLab v1-v3+

v1:https://browse.arxiv.org/pdf/1412.7062v3.pdf

v2:https://browse.arxiv.org/pdf/1606.00915.pdf

v3:https://browse.arxiv.org/pdf/1706.05587.pdf

v3+:https://browse.arxiv.org/pdf/1802.02611.pdf

<6>RefineNethttps://browse.arxiv.org/pdf/1611.06612.pdf

<7>PSPNet(Pyramid Scene Parsing Network)https://browse.arxiv.org/pdf/1612.01105.pdf

2.实例分割

<1>两阶段Mask R-CNNhttps://browse.arxiv.org/pdf/1703.06870.pdf

<2>Instance-sensitive FCNhttps://browse.arxiv.org/pdf/1603.08678.pdf

<3>FCIShttps://browse.arxiv.org/pdf/1611.07709.pdf

<4>YOLACT: Real-time Instance Segmentationhttps://browse.arxiv.org/pdf/1904.02689v2.pdf

<5>PolarMaskhttps://browse.arxiv.org/pdf/1909.13226.pdf

<6>SOLO: Segmenting Objects by Locationshttps://browse.arxiv.org/pdf/1912.04488.pdf

<7>RDSNethttps://browse.arxiv.org/pdf/1912.05070.pdf

<8>PointRendhttps://browse.arxiv.org/pdf/1912.08193.pdf

<9>BlendMaskhttps://browse.arxiv.org/pdf/2001.00309.pdf

相关推荐
双翌视觉28 分钟前
机器视觉对位中的常见模型与技术原理
数码相机·计算机视觉·机器视觉
风铃喵游36 分钟前
让大模型调用MCP服务变得超级简单
前端·人工智能
booooooty1 小时前
基于Spring AI Alibaba的多智能体RAG应用
java·人工智能·spring·多智能体·rag·spring ai·ai alibaba
PyAIExplorer1 小时前
基于 OpenCV 的图像 ROI 切割实现
人工智能·opencv·计算机视觉
风口猪炒股指标1 小时前
技术分析、超短线打板模式与情绪周期理论,在市场共识的形成、分歧、瓦解过程中缘起性空的理解
人工智能·博弈论·群体博弈·人生哲学·自我引导觉醒
ai_xiaogui2 小时前
一键部署AI工具!用AIStarter快速安装ComfyUI与Stable Diffusion
人工智能·stable diffusion·部署ai工具·ai应用市场教程·sd快速部署·comfyui一键安装
聚客AI3 小时前
Embedding进化论:从Word2Vec到OpenAI三代模型技术跃迁
人工智能·llm·掘金·日新计划
weixin_387545643 小时前
深入解析 AI Gateway:新一代智能流量控制中枢
人工智能·gateway
聽雨2373 小时前
03每日简报20250705
人工智能·社交电子·娱乐·传媒·媒体
二川bro4 小时前
飞算智造JavaAI:智能编程革命——AI重构Java开发新范式
java·人工智能·重构