超像素、语义分割、实例分割、全景分割 傻傻分不清?
点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
在计算机视觉中,图像分割是个非常重要且基础的研究方向。简单来说,图像分割(image segmentation)就是根据某些规则把图片中的像素分成不同的部分(加不同的标签)。
图像分割中的一些常见的术语有:superpixels(超像素)、Semantic Segmentation(语义分割)、Instance Segmentation(实例分割)、Panoptic Segmentation(全景分割)。他们之间到底有什么区别呢?如果你对这几个术语非常了解了,那么恭喜你!可以直接把文章拖到结尾,顺手点个广告,就可以返回了(笑)。
不过很多刚接触这个领域的同学有点搞不太清楚上面的区别,那么跟我一起来学习一下吧!
superpixels(超像素)
第一次听说这个超像素很容易理解错误,以为是在普通的像素基础上继续像微观细分,如果这样理解就恰好理解反了,其实超像素是一系列像素的集合,这些像素具有类似的颜色、纹理等特征,距离也比较近。用超像素对一张图片进行分割的结果见下图,其中每个白色线条区域内的像素集合就是一个超像素。需要注意的是,超像素很可能把同一个物体的不同部分分成多个超像素。
超像素最早的定义来自2003年 Xiaofeng Ren等人的一篇论文《Learning a Classification Model for Segmentation》。
其中超像素中比较常用的一种方法是SLIC(simple linear iterative clustering),是Achanta 等人2010年提出的一种思想简单、实现方便的算法,将彩色图像转化为CIELAB颜色空间和XY坐标下的5维特征向量,然后对5维特征向量构造距离度量标准,对图像像素进行局部聚类的过程。SLIC算法能生成紧凑、近似均匀的超像素,在运算速度,物体轮廓保持、超像素形状方面具有较高的综合评价,比较符合人们期望的分割效果。
Semantic Segmentation(语义分割)
语义分割还是比较常见的,就是把图像中每个像素赋予一个类别标签(比如汽车、建筑、地面、天空等),比如下图就把图像分为了草地(浅绿)、人(红色)、树木(深绿)、天空(蓝色)等标签,用不同的颜色来表示。
不过这种分割方式存在一些问题,比如如果一个像素被标记为红色,那就代表这个像素所在的位置是一个人,但是如果有两个都是红色的像素,这种方式无法判断它们是属于同一个人还是不同的人。也就是说语义分割只能判断类别,无法区分个体。
但很多时候我们更需要个体信息,想要区分出个体怎么办呢?继续往下看吧
Instance Segmentation(实例分割)
实例分割方式有点类似于物体检测,不过物体检测一般输出的是 bounding box,实例分割输出的是一个mask。
实例分割和上面的语义分割也不同,它不需要对每个像素进行标记,它只需要找到感兴趣物体的边缘轮廓就行,比如下图中的人就是感兴趣的物体。该图的分割方法采用了一种称为Mask R-CNN的方法。我们可以看到每个人都是不同的颜色的轮廓,因此我们可以区分出单个个体。
Panoptic Segmentation(全景分割)
最后说说全景分割,它是语义分割和实例分割的结合。如下图所示,每个像素都被分为一类,如果一种类别里有多个实例,会用不同的颜色进行区分,我们可以知道哪个像素属于哪个类中的哪个实例。比如下图中黄色和红色都属于人这一个类别里,但是分别属于不同的实例(人),因此我们可以通过mask的颜色很容易分辨出不同的实例。
现在是不是对这几个术语了然于胸了呢!
下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程,即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2:Python视觉实战项目52讲
在「小白学视觉」公众号后台回复:Python视觉实战项目,即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。
下载3:OpenCV实战项目20讲
在「小白学视觉」公众号后台回复:OpenCV实战项目20讲,即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~
超像素、语义分割、实例分割、全景分割 傻傻分不清?相关推荐
- 使用条件卷积进行实例和全景分割
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 小白导读 论文是学术研究的精华和未来发展的明灯.小白决心每天为大家 ...
- 视频分割全面探究:从视频物体分割到视频全景分割
前言 图像分割大家可能都耳熟能详,近年来,图像分割的研究已经取得了显著成果,而视频分割的研究仍在起步阶段. 视频分割由简到繁可分为三类:视频物体分割.视频语义分割和视频全景分割.视频物体分割是指从视频 ...
- 一文尽览!弱监督语义/实例/全景分割全面调研(2022最新综述)
后台回复[ECCV2022]获取ECCV2022所有自动驾驶方向论文! 论文链接:https://arxiv.org/pdf/2207.01223.pdf 汽车人的碎碎念 分割,作为最基础的视觉感知任 ...
- Facebook人工智能实验室提出「全景分割」,实现实例分割和语义分割的统一
原文来源:arxiv 作者:Alexander Kirillov.Kaiming He1.Ross Girshick.Carsten Rother.Piotr Dollar 「雷克世界」编译:嗯~阿童 ...
- 图像分类、目标检测、语义分割、实例分割和全景分割的区别
1.Image Classification(图像分类) 图像分类(下图左)就是对图像判断出所属的分类,比如在学习分类中数据集有人(person).羊(sheep).狗(dog)和猫(cat)四种,图 ...
- 计算机视觉:图像分类、物体检测、图像语义分割、实例分割和全景分割
计算机视觉 图像分类 Image Classification 物体检测 Object Detection/ Object Localization 语义分割 Semantic Segmentatio ...
- 语义分割、实例分割和全景分割的区别
之前看过一篇使用分割思想进行目标检测,所以这里补习下一些分割相关的基础知识.这里重点说下语义分割.实力分割和全景分割的区别. 1 .semantic segmentation(语义分割) 通常意义上的 ...
- 「图像分割模型」全景分割是什么?
https://www.toutiao.com/a6717219520286556679/ 这是专栏<图像分割模型>的第12篇文章.在这里,我们将共同探索解决分割问题的主流网络结构和设计思 ...
- Panoptic SegFormer:全景分割第一名!南大港大英伟达提出新算法,霸榜全景分割
今日分享论文『Panoptic SegFormer』全景分割第一名!由南大&港大&NVIDIA 联合提出 Panoptic SegFormer,霸榜全景分割. 话不多说,先放Leadb ...
- 全景分割这一年,端到端之路
机器之心原创 作者:朱艳芳 编辑:邱陆陆 图像分割(image segmentation)任务的定义是:根据某些规则将图片分成若干个特定的.具有独特性质的区域,并提出感兴趣目标的技术和过程. 目前图像 ...
最新文章
- Eclipse中怎样安装数据库建模工具ERMaster插件
- lda 可以处理中文_用python处理文本数据
- java包命名规则名词_java中命名规范
- C#中typeof 与GetType()的区别和methodinfo、memberinfo反射
- php版redis插件,SSDB数据库,增强型的Redis管理api实例
- android实现推送方式解决方案,Android实现推送方式解决方案系列教程
- 公交站台被圈进养鸭场
- 数据挖掘学习06 - 《数据挖掘导论》导读
- zabbix源分支---zabbix-rpm
- Xshell官网下载地址
- Ubuntu20.04如何解决QQ闪退问题(亲测有效)
- VegaFEM免费试用
- IDEA左侧目录,按照文件夹排序
- C++学习笔记-STL
- 如何搞定笔记本检测不到wifi,图标,Netkeeper链接不上
- Vert.x实战 异步数据和事件流
- 自学Python兼职赚钱靠谱吗?
- Java线程池七个参数详解:核心线程数、最大线程数、空闲线程存活时间、时间单位、工作队列、线程工厂、拒绝策略
- 【C语言】assert() 断言的作用
- 详解python os.walk 实现 tree