【语义分割】语义分割概念及算法介绍

news2024/9/22 11:27:21

文章目录

一、基本概念
二、研究现状
- 2.1 传统算法
- 2.2 深度学习方法
三、数据集及评价指标
- 3.1 常用数据集
- 3.2 常用指标
四、经典模型
参考资料

一、基本概念

语义分割是计算机视觉中很重要的一个方向。不同于目标检测和识别，语义分割实现了图像像素级的分类。它能够将一张图片或者视频（视频以帧来提取的话其实就是图片），按照类别的异同，将图像分为多个块。
如下图所示：

在这里插入图片描述

二、研究现状

2.1 传统算法

灰度分割
最简单的语义分段形式涉及分配区域必须满足的硬编码规则或属性，以便为其分配特定标签。规则可以根据像素的属性（例如灰度级强度）来构建。使用此技术的一种方法是拆分（Split）和合并（Merge）算法。该算法递归地将图像分割成子区域，直到可以分配标签，然后通过合并它们将相邻的子区域与相同的标签组合。
这种方法的问题是规则必须硬编码。此外，仅用灰色级别的信息来表示复杂的类(如人)是极其困难的。因此，需要特征提取和优化技术来正确地学习这些复杂类所需的表示。
条件随机场
考虑通过训练模型为每个像素分配类来分割图像。如果我们的模型不完美，我们可能会得到自然界不可能得到的噪声分割结果(如图中所示，狗像素与猫像素混合)。
可以通过考虑像素之间的先验关系来避免这些问题，例如，对象是连续的，因此附近的像素往往具有相同的标签。为了模拟这些关系，我们使用条件随机场（CRF）。
CRF是一种用于结构化预测的统计建模方法。与离散分类器不同，CRF可以在进行预测之前考虑“相邻上下文”，比如像素之间的关系。这使得它成为语义分割的理想候选。
图像中的每个像素都与一组有限的可能状态相关联。在我们的示例中，目标标签是可能的状态集。将一个状态(或标签，u)分配给单个像素(x)的成本称为它的一元成本（unary cost）。为了对像素之间的关系建模，我们还考虑了将一对标签(u,v)分配给一对像素(x,y)的成本，即成对成本（pairwise cost）。我们可以考虑它的近邻像素对(Grid CRF)或者我们可以考虑图像中的所有像素对(Dense CRF)

2.2 深度学习方法

与此同时随着深度学习技术的不断发展，深度学习在语义分割任务中大放异彩，取得了骄人的成绩。从第一篇真正意义上的深度学习方法语义分割模型FCN说起，语义分割发展了不足六年的时间，经典的SegNet，Deeplab系列，DenseASPP等等，再到近些年来研究热点的NAS方法。不断的刷新各个分割数据集的Leaberboard。

三、数据集及评价指标

3.1 常用数据集

语义分割有一些常用的数据集，这些数据集在各种论文中常作为算法优劣性的一个验证（其中SUNRGBD是四维的，它还有利用深度学习相机得到了一个Deep维度，Depth类似于灰度图像，只是它的每个像素值是传感器距离物体的实际距离）：
在这里插入图片描述

3.2 常用指标

像素准确率（PA）：正确分类的像素数量与所有像素数量的比值。

像素准确率平均值（MPA）：PA的变体，每个类内正确分类的像素数量和该类的所有像素点数（Ground truth）的比值，之后求所有类的平均。

平均交并比（MIoU）：检验语义分割效果最重要的指标。计算两个集合的交并比，两个集合分别是真实值（Ground truth）和预测值（predicted segmentation），是一个交集与并集的比值。平均交并比为对各类的交并比进行平均。

四、经典模型

FCN网络
UNet网络
SegNet网络
空洞卷积（Dilated Convolution）
Deeplab（V1 V2）
RefineNet
PSPNet
大内核（Large Kernel Matters）
Deeplab v3
EncNet
DenseASPP
ResNet_DUC
Deeplab v3+
DFANet
DANet
Auto_Deeplab
APCNet
CANet
……
BiSeNet（ECCV 2018）
STDC（CVPR 2021）：BiSeNet的轻量化。
一些轻量化语义分割算法，如DFANet、BiSeNetV1，采用了轻量化backbone来减少计算量，但它们都是直接使用为分类任务设计的backbone，无法充分发挥在语义分割领域中的性能。
BiSeNet使用了multi-path结构，融合低层次特征和高层次特征，但增加分支会增加网络的运行时间。
STDC对BiSeNet中的multi-path结构进行了改进，可以在提取底层细节特征的同时减少网络计算量。