图像分割技术总结

基本概念定义
图像分割：预测目标轮廓，将像素划分到不同类别，实现细粒度分类
应用领域：人像抠图，医学组织提取，遥感图像分析，自动驾驶，材料图像分析

目标类别划分
物体类别：可数前景目标（行人、车辆等）
背景类别：不可数事物（天空、草地、路面等）

技术层次体系
语义分割：每个像素分配单一类别标签，输出语义掩膜
实例分割：检测前景目标，预测类别、边界框和个体ID
全景分割：统一语义分割和实例分割，每个像素分配语义标签和实例ID

常用数据集
VOC数据集：PASCAL视觉对象挑战赛数据，20个对象类别
包含语义分割和实例分割标注，训练验证图片约3000张
Cityscape数据集：50个城市街景，30个类别
5000张精细标注图像，20000张粗略标注图像
COCO数据集：复杂日常场景，91个对象类别
注重场景理解，82个类别包含超过5000个实例

评估指标体系
像素精度：逐像素分类准确率
平均像素精度：各类别内部精度平均值
交并比：预测区域与真实区域重叠度
平均交并比：各类别IoU平均值
频率加权IoU：考虑类别频率的加权mIoU

网络核心结构
编码器部分：卷积模块负责特征提取
解码器部分：反卷积模块实现上采样恢复分辨率
转置卷积：通过转置卷积核实现尺寸还原
典型架构：编码器-解码器对称结构

关键技术实现
特征提取：多层卷积获取抽象特征
上采样：转置卷积恢复空间维度
跳跃连接：保留浅层细节信息
多尺度融合：结合不同层次特征

典型网络模型
全卷积网络FCN：端到端像素级预测
U-Net：医学图像分割经典架构
DeepLab系列：空洞卷积扩大感受野
PSPNet：金字塔场景解析网络

发展趋势
精度提升：从粗分割到精细边缘
速度优化：实时分割技术发展
多任务融合：检测与分割统一框架
应用扩展：工业质检、自动驾驶等落地场景