Image segmentation + FCN介绍

FCN总结

虽然 FCN引领了CNN基于语义分割的方向，但仍有很多地方需要改进，比如上采样导致的像素分割不精细，效率也不够快等等；
改进：CRF + FCN
           RNN + CRF
           Mask RCNN

 

一  图像语义分割

     传统的图像分割方法主要包括以下几种：

     1）基于边缘检测；

     2）基于阈值分割：

             比如：直方图，颜色，灰度等；

     3）水平集方法。

        这里我们要说的是语义分割，什么是语义分割呢？先来看张图：

        

       将目标按照其分类进行像素级的区分，比如区分上图的摩托车和骑手，这就是语义分割，语义分割赋予了场景理解更进一步的手段。

       我们直接跳过传统的语义分割方法，比如 N-Cut，图割法等，直接进入深度学习。

 

二  FCN 的引入

     CNN 在图像分割中应用，起源于2015年的这篇影响深远的文章：

     Fully Convolutional Networks for Semantic Segmentation 

     ......

 

 

From: https://blog.csdn.net/ScorpC/article/details/78605226