3.2.4語(yǔ)義分割

圖3-7所示為機(jī)器視覺(jué)語(yǔ)義分割示例。

計(jì)算機(jī)視覺(jué)的核心是分割，它將整個(gè)圖像分成一個(gè)個(gè)像素組，然后對(duì)其進(jìn)行標(biāo)記和分類(lèi)。語(yǔ)義分割試圖在語(yǔ)義上理解圖像中每個(gè)像素的角色（例如，識(shí)別它是道路、汽車(chē)還是其他類(lèi)別）。如圖3-7所示，除識(shí)別人、道路、汽車(chē)、樹(shù)木等外，還必須確定每個(gè)物體的邊界。因此，與分類(lèi)不同，需要用模型對(duì)密集的像素進(jìn)行預(yù)測(cè)。

與其他計(jì)算機(jī)視覺(jué)任務(wù)一樣，卷積神經(jīng)網(wǎng)絡(luò)在分割任務(wù)上取得了巨大成功。最流行的原始方法之一是通過(guò)滑動(dòng)窗口進(jìn)行塊分類(lèi)，利用每個(gè)像素周?chē)膱D像塊，對(duì)每個(gè)像素

分別進(jìn)行分類(lèi)。但是其計(jì)算效率非常低，因?yàn)槲覀儾荒茉谥丿B塊之間重用共享特征。解決方案之一就是加州大學(xué)伯克利分校提出的全卷積網(wǎng)絡(luò)（FCN），它提出了端到端的卷積神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)，在沒(méi)有任何全連接層的情況下進(jìn)行密集預(yù)測(cè)，如圖3-8所示。

圖3-8 全卷積網(wǎng)絡(luò)（FCN）實(shí)現(xiàn)像素分類(lèi)演示

這種方法允許針對(duì)任何尺寸的圖像生成分割映射，并且比塊分類(lèi)算法快得多，幾乎后續(xù)所有的語(yǔ)義分割算法都采用了這種范式。