图像分割简介

图像分割是将图像分割成片段（也称为对象）的过程。检测图像中存在的对象并为它们着色以将它们彼此分开。 它主要专注于检测物体的边界，因此可以很容易地将它们分开。很多时候，甚至标记检测到的每个片段/对象

图像分割应用

• 人脸检测
• 视频监控
• 自动驾驶汽车用它来检测物体（路标、其他汽车、行人等）
• 检测卫星图像中的物体（道路、农作物、建筑物等）
• 用于检测肿瘤的医学成像
• 基于内容的图像检索，它搜索图像的内容而不是元数据、名称等来检索数据

图像分割类型

• 实例分割
  • 所有相同类型的对象都用不同的颜色/标签标记。每个对象都有自己的颜色/标签
  • 例如，图像中的个人会有不同的颜色/标签
• 语义分割
  • 所有相同类型的对象都用一种颜色/标签标记
  • 例如，图像中的所有人都将具有相同的颜色/标签

图像分割方法

多年来，已经开发了许多方法来解决图像分割任务。其中一些使用机器学习（深度学习），而另一些则使用非 ML 解决方案。 python 库 scikit-image 具有大多数非 ML 方法的实现。我们在下面列出了一些使用非 ML 方法解决图像分割任务的著名方法

• 基于阈值的方法
• 基于聚类的方法
• 基于直方图的方法
• 区域增长方法
• 边缘检测
• 流域改造
• 基于图形的方法

大多数 ML 方法涉及使用由卷积、密集等层组成的深度神经网络。下面，我们列出了一些解决图像分割任务的著名神经网络

• U-Net
• Fast-FCN(Fully Convolutional Network)
• Mask R-CNN
• DeepLab
• LRASPP
• Gates-SCNN

参考

• Image Segmentation using Pre-Trained Models (torchvision)