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
- 语义分割
- 所有相同类型的对象都用一种颜色/标签标记。 如上图，图像中的所有人都将具有相同的颜色/标签
- 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。 如上图，图像中的个人会有不同的颜色/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），
而另一些则使用非机器学习解决方案。Python 库 scikit-image 具有大多数非机器学习方法的实现。
在下面列出了一些使用非机器学习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
大多数机器学习方法涉及使用由卷积、密集等层组成的深度神经网络。 下面列出了一些解决图像分割任务的著名神经网络模型：
- U-Net
- Fast-FCN(Fully Convolutional Network)
- Mask R-CNN
- DeepLab
- LRASPP
- Gates-SCNN