图像分割--入门了解

一.  三种分割

1. 语义分割（semantic segmentation）

语义分割：语义分割通过对图像中的每个像素进行密集的预测、推断标签来实现细粒度的推理，从而使每个像素都被标记为一个类别，但不区分属于相同类别的不同实例。

比如说图中三个帅哥脸蛋儿，语义分割要做的是就是找到属于脸蛋儿的像素点，经过语义分割后就如图2所示。语义分割对图1进行类别划分，在属于小男孩的像素点标蓝色，背景标黄，这就形成了类，但是三个帅哥分不出，都一个颜色。

 

                                     图1                                                                         图2

 2. 实例分割（Instance segmentation）

实例分割：目标检测和语义分割的结合。先检测目标物体，在进行分割，只对特定的物体进行分类，相对语义分割，实例分割需要标注出图上同一物体的不同个体（帅哥1，帅哥2，帅哥3）。

 

 3. 全景分割（Panoramic segmentation）

论文地址：https://arxiv.org/abs/1801.00868

全景分割是语义分割和实例分割的结合。但实例分割只对图像中的对象进行检测，并对检测到的对象进行分割，而全景分割是对图中的所有物体包括背景都要进行检测和分割。

 

 二. 标注自己的数据集

1. 语义分割标注数据集

打开labelme.exe，打开标注文件夹之后，点击Create Polygons，即可进行标注，保存成json文件就可以。

2. 全景分割标注数据集

全景分割跟语义分割的区别就是，一个识别背景一个不识别背景，所以标注全景分割的数据集的时候，只需先将整张图片全部框起上，然后在标注剩余的目标就可以。