第五章：计算机视觉（Computer Vision）- 项目实战之目标检测实战
第一部分：图像分割理论
第一节：图像分割基础知识：定义、任务描述、应用场景、标注格式
1. 图像分割的定义
图像分割（Image Segmentation）是计算机视觉中的核心任务之一，其目标是将输入图像划分为若干具有语义或实例意义的区域，使得同一区域的像素具有相似特征，而不同区域之间差异显著。
-
低层次分割：基于颜色、纹理、边缘等视觉特征进行划分。
-
高层次分割：结合深度学习和语义信息，将图像划分为具有特定类别含义的部分。
简而言之，图像分割就是回答 "图像中的每个像素属于哪个类别？"
2. 图像分割的任务描述
根据目标和粒度的不同，图像分割主要分为以下几类任务：
-
语义分割（Semantic Segmentation）
-
将图像中的像素按语义类别进行划分。
-
例子：把道路、车辆、行人、天空分别标注出来。
-
局限：同类目标之间无法区分。
-
-
实例分割（Instance Segmentation）
-
不仅要区分类别，还要区分同一类别下的不同个体。
-
例子：分割出图像中每一辆车，而不仅仅是"车"区域。
-
-
全景分割（Panoptic Segmentation）
-
结合语义分割与实例分割。
-
同时区分 "可数目标"（车、人、动物）与 "不可数背景"（天空、草地）。
-
3. 图像分割的应用场景
图像分割在人工智能和工业界有广泛应用：
-
自动驾驶：分割道路、车道线、行人和交通标志。
-
医学影像：分割肿瘤、器官边界，辅助医生诊断。
-
遥感影像：分割建筑物、农田、河流等地理要素。
-
视频监控：精确识别人群分布与运动区域。
-
工业制造：缺陷检测、自动化分拣。
4. 图像分割的常见标注格式
图像分割的数据标注格式比目标检测更精细，主要包括：
-
像素级标注（Mask）
-
每个像素点都对应一个类别 ID，形成标签图（Label Map）。
-
常见格式：PNG、TIFF、NumPy 数组。
-
-
多边形标注（Polygon Annotation）
-
用多边形轮廓来圈定目标区域。
-
适合目标边界清晰、结构规则的任务。
-
-
RLE（Run-Length Encoding，游程编码）
-
常用于大规模数据集（如 COCO、Cityscapes）。
-
通过记录连续像素的类别，实现压缩存储。
-
小结 ：
图像分割是一项 像素级别 的视觉任务，区别于图像分类（图像整体标签）和目标检测（目标级别边框），它要求对图像中的每个像素进行精确分类。常见任务有语义分割、实例分割和全景分割，应用广泛且标注格式多样。