怎么学习图像语义分割（语义分割实例分割）

怎么学习图像语义分割（语义分割实例分割）提供了包括数据集、网络模型、各种深度学习框架下的实现、论文等等非常丰富的内容提供了好几个非常容易上手的图像分割数据标注工具，如LabelMeAnnotationTool和labelImgPlus主要有：FCIS、DeepMask、Mask R-CNN 和 PANet 等网络主要包括ReNet、ReSeg、RIS、CRF-RNN、pix2pixHD、Probalistic Unet等模型主要有：COCO、KITTI 和 ApolloScape等数据集

关注人工智能前沿讲习，重磅干货，第一时间送达

图像分割（image segmentation）是计算机视觉领域最为经典的研究问题之一，至今仍受到学术界和工业界的高度重视。所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。目前，研究者们最为关注的研究方向主要有三个：

• 语义分割（semantic segmentation）
• 实例分割（instance segmentation）
• 全景分割（panoptic segmentation）

小编向各位读者推荐GitHub网站上mrgloom的awesome-semantic-segmentation项目：

https://github.com/mrgloom/awesome-semantic-segmentation，这里面不仅收集了语义分割的各种资料，还包含了实例分割、医学图像分割和卫星图像分割等资料，可谓是图像分割领域相当全面的资料汇总，主要包含以下内容：

• 语义分割
• 实例分割
• 半监督分割
• RNN和GAN
• 图模型
• 常用数据集
• Benchmark
• 标注工具
• 评价指标和损失函数
• 医学图像分割
• 卫星图像分割
• 视频分割
• 自动驾驶
• ...

语义分割

主要有：U-Net、SegNet、DeepLab系列、FCN、ENet、ICNet、ShelfNet、BiseNet、DFN和CCNet等网络

实例分割

主要有：FCIS、DeepMask、Mask R-CNN 和 PANet 等网络

RNN和GANs

主要包括ReNet、ReSeg、RIS、CRF-RNN、pix2pixHD、Probalistic Unet等模型

图模型

常用数据集

主要有：COCO、KITTI 和 ApolloScape等数据集

Benchmarks

标注工具

提供了好几个非常容易上手的图像分割数据标注工具，如LabelMeAnnotationTool和labelImgPlus

医疗图像分割

提供了包括数据集、网络模型、各种深度学习框架下的实现、论文等等非常丰富的内容

卫星图像分割

视频分割

这部分的资料提供的不是很多

自动驾驶

提供了几个比较新的和自动驾驶领域图像分割相关的开源项目，非常不错

点击下方图片，了解课程详情

人脸分析