语义分割

【语义分割专栏】先导篇：常用数据集(VOC、Camvid、Cityscape、ADE20k、COCO)本篇向大家介绍下语义分割任务中的常用的数据集。本文将会向大家介绍常用的一些数据集以及数据集的处理加载方式。本篇文章收录于语义分割专栏，如果对语义分割领域感兴趣的，可以去看看本专栏，会对经典的模型以及代码进行详细的讲解哦！其中会包含可复现的代码！

deeplabv3+街景图片语义分割，无需训练模型，看不懂也没有影响，直接使用，cityscapes数据集_23语义分割之后，用pyhton统计各个类别所占像素个数，用于后续定量指标的计算。优势：全网最全最细！ 1、从数据原理到应用给你讲清楚。 2、专注于城市研究。邮箱：随意发送内容到邮箱获取联系方式，邮箱已设置自动回复！！！不看私信，没精力看。[email protected]

基于UNet算法的农业遥感图像语义分割——补充版本案例希望建立一个UNET网络模型，来实现对农业遥感图像语义分割的任务。本篇博客主要包括对上一篇博客中的相关遗留问题进行解决，并对网络结构进行优化调整以适应个人的硬件设施——NVIDIA GeForce RTX 3050。

Rethinking BiSeNet For Real-time Semantic Segmentation细节损失函数学习更多损失函数学习见：深度学习pytorch之22种损失函数数学公式和代码定义本博客为文章“Rethinking BiSeNet For Real-time Semantic Segmentation”损失函数学习和使用论文地址：https://arxiv.org/pdf/2104.13188 代码地址：https://github.com/MichaelFan01/STDC-Seg

轻量级语义分割算法：演进与创新语义分割作为计算机视觉领域的核心技术，近年来在深度学习推动下取得了突破性进展。本文系统综述了截至2025年的语义分割算法发展历程，重点分析了5种经典模型与3种轻量化创新架构，涵盖其核心原理、创新点及实际应用场景。针对实时性需求，本文特别探讨了轻量级模型的设计策略，并结合多尺度融合、空洞卷积与硬件加速等关键技术，展望了未来发展方向。

【三维分割】LangSplat: 3D Language Gaussian Splatting（CVPR 2024 highlight）论文：https://arxiv.org/pdf/2312.16084 代码：https://github.com/minghanqin/LangSplat

【论文阅读】SAM-CP：将SAM与组合提示结合起来的多功能分割近年来，视觉基础模型的快速发展推动了多模态理解的进步，尤其是在图像分割任务中。例如，Segment Anything模型（SAM）在图像Mask分割上表现出色，但在语义及实例分割方面仍存在局限。本文提出的SAM-CP，通过引入可组合的提示机制，显著增强了模型在复杂场景下的语义理解能力。这一方法不仅提高了分割任务的灵活性和准确性，也为视觉模型在开放词汇和实例识别中的应用提供了新的思路，使其在多种视觉任务中具有更广泛的适用性。

SAM2训练自己的数据集SAM2（Segment Anything Model 2）是由Meta公司开发的一款先进的图像和视频分割模型，它是Segment Anything Model（SAM）的升级版本。与第一代相比，SAM2在多个方面实现了显著的改进，包括

2024 TIP 论文 robust-ref-seg 复现过程本篇是 2024 年 TIP 论文 Toward Robust Referring Image Segmentation 的复现过程。特点是对不存在的目标不会进行错误分割，鲁棒性较高，其结果如图：

【三维重建】Semantic Gaussians:开放词汇的3DGS场景理解开放词汇的三维场景理解是计算机视觉中的一个重大挑战，在具体化代理和增强现实系统中有着广泛的应用。现有的方法采用神经渲染方法作为三维表示，联合优化颜色和语义特征，同时实现渲染和场景理解。本文介绍了一种基于三维高斯溅射的开放词汇场景理解方法语义高斯。我们的关键思想是将知识从二维预训练模型提取为三维高斯模型。与现有的方法不同，我们设计了一种通用的投影方法，将预先训练好的图像编码器映射到一个新的三维高斯的语义component ，这是基于空间关系，不需要额外的训练。我们进一步建立了一个三维语义网络，直接从原

遥感图像语义分割数据集制作（使用ArcGIS Pro）图像分割就是把图像空间按照一定的要求分成一些“有意义”的区域的技术叫图像分割。一幅图像通常是由代表物体的图案与背景组成，简称物体与背景。若想从一幅图像中“提取”物体，可以设法用专门的方法标出属于该物体的点，如把物体上的点标为“1”，而把背景点标为“0”，通过分割以后，可得一幅二值图像。

从懒虫到爬虫

YOLOv8+Deepsort+PyQt+GUI 语义分割+目标检测+姿态识别三者合一（集成于一套系统）综合视觉分析系统这样的系统可以为多种行业提供强大的视觉分析能力，具有广泛的应用前景。

论文阅读笔记: Segment Anything论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresearch/segment-anything 项目地址: https://segment-anything.com/

从懒虫到爬虫

基于mask rcnn, Unet, Fcn, Deeplab v3等图像分割模型。支持图像语义分割，图像实例分割，图像全景分割（多模态图像分割平台）图像分割，图像语义分割，基于mask rcnn, Unet, Fcn, Deeplab v3等图像分割模型。支持图像语义分割，图像实例分割，图像全景分割。支持Mask rcnn, Unet, Fcn, Deeplab_v3, SAM, Fast SAM等图像分割模型，可以实现图像精准细致的分割。

听风吹等浪起

SAM 提示框和 Unet的语义分割的融合：自动驾驶车道线分割最近SAM 模型复现的多了，看了不少官方的源码，尝试下SAM和Unet的结合SAM的提示分割，其实就是在分割的时候，为数据增加一个提示信息，可以是框，点，或者文本等等。这样大模型网络就可以根据提示信息进行分割

【计算机视觉】Pixel逐像素分类&Mask掩码分类理解摘要目标检测和实例分割是计算机视觉的基本任务。目标检测的传统方法中通常利用边界框技术进行对象定位，然后利用逐像素分类为这些本地化实例分配类。但是当处理同一类的重叠对象时，或者在每个图像的对象数量不同的情况下，这些方法通常会出现问题。

OW-VISCap——开放世界视频实例分割方法研究论文地址：https://arxiv.org/pdf/2404.03657本文提出了一种名为 OW-VISCap（开放世界视频实例分割和字幕）的方法。其三大贡献是

SAM 2——视频和图像实时实例分割的全新开源模型源码地址：https://github.com/facebookresearch/segment-anything-2 过去几年，人工智能领域在文本处理的基础人工智能方面取得了显著进步，这些进步改变了从客户服务到法律分析等各个行业。然而，在图像处理方面，我们才刚刚开始。视觉数据的复杂性以及训练模型以准确解释和分析图像的挑战带来了重大障碍。随着研究人员继续探索图像和视频的基础人工智能，人工智能图像处理的未来有望为医疗保健、自动驾驶汽车等领域带来创新。

夏日的盒盒

无监督语义分割综述语义分割是计算机视觉领域的一个重要任务，旨在将图像中的每个像素分配给特定的语义类别。然而，传统的语义分割方法通常依赖大量标注数据，获取这些数据既费时又昂贵。无监督语义分割方法旨在通过不依赖标注数据或仅需少量标注数据的情况下，实现对图像的精确分割。这些方法通过利用数据的内在结构、图像特征和自监督学习技术，从大量未标注的数据中提取有用的信息，显著降低了对标注数据的依赖。本文综述了无监督语义分割的主要方法，包括基于聚类的方法、基于图割的方法、基于生成模型的方法、基于自监督学习的方法以及基于领域自适应性的方法。

夏日的盒盒

《Cross-Image Pixel Contrasting for Semantic Segmentation》论文解读期刊：TPAMI年份：2024研究图像语义分割问题。目前的方法主要集中在通过专门设计的上下文聚合模块(如空洞卷积、神经注意力)或结构感知的优化目标(如iou样损失)挖掘"局部"上下文，即单个图像中像素之间的依赖关系。然而，它们忽略了训练数据的“全局”上下文，即不同图像之间像素之间的丰富语义关系。受最近无监督对比表示学习进展的启发，本文提出一种像素级对比算法PiCo，用于全监督学习环境下的语义分割。其核心思想是强制属于相同语义类的像素嵌入比来自不同语义类的嵌入更相似。通过明确探索以前很少研究的标记像素的结构