Semantic Segmentation(语义分割)

1. end-to-end training（端对端的训练）：输入的是原始数据，输出的是最后的结果，假如输入的是提取后的特征或者是降维，分割之后图像输入则不是端对端，机器学习中的难点是特征的选择和提取，而端对端网络则能够自己提取特征，典型的用于语义分割的代表FCN，YOLO。CNN本质的作用还是用来分类，定位的功能其并没有做到。而yolo这种方法就是只通过CNN网络，就能够实现目标的定位和识别。也就是原始图像输入到CNN网络中，直接输出图像中所有目标的位置和目标的类别。这种方法就是end-to-end（端对端）的方法，一端输入我的原始图像，一端输出我想得到的结果。只关心输入和输出，中间的步骤全部都不管。
2. 非end-to-end代表：RCNN，这种方法需要先在图像中提取可能含有目标的候选框（region proposal）， 然后将这些候选框输入到CNN模型，让CNN判断候选框中是否真的有目标，以及目标的类别是什么。
3. image classification主要解决是“我是谁”，给定一幅图片，列出都有哪些类别。detection主要解决的是“我在哪里”，不仅可以分类，还可以定位在哪里。semantic segmentation, and instance segmentation都是语义分割的不同方向，Semantic Segmentation目标是对于图像中所有像素点分配给其对应的标签（区别于Object Detection/Localization，Detection不是对图像中所有的像素，加入一个桌面上有电脑，鼠标，目标检测会检测出电脑，鼠标，而语义分割会把桌面也分割出来），Semantic Segmentation 只是关心每个像素所属的类别，Instance Segmentation关心其具体内容实例。
4. CV主要的应用领域：视频监控、人脸识别、医学图像分析、自动驾驶、 机器人、AR、VR
5. FCN不仅仅可以解决object detection，也可以用来解Semantic Segmentation。
6. Semantic Segmentation目前已经被深度学习占领，各种模型层出不穷。个人目前主要精读了一些2D Semantic image Segmentation，在技术实现上大体分为3派：
   1、FCN（Fully Convolutional Networks），通过Encoder-Decoder模型建立end-to-end的训练，技术关键点deconvolution/Transposed convolution(后者描述更确切)。
   2、CRF(Conditional random fields)/MRF(Markov random fields)
   3、Dilated Convolutions，带孔的卷积，比如ICNet.
7. 发展历程 http://www.sohu.com/a/155907339_610300