[人工智能]语义分割｜学习记录（1）语义分割前言

语义分割｜学习记录（1）语义分割前言

提示：来自up主霹雳吧啦Wz，我只是做一下学习笔记，原视频

前言

语义分割的前言部分主要介绍一下本文涉及到的内容：

• 什么是语义分割
• 暂定的学习目标
• 语义分割任务常见数据集格式
• 语义分割得到结果的具体形式
• 语义分割常见评价指标
• 语义分割标注工具

一、什么是语义分割？

语义分割时常见分割任务中的一种，常见的分割任务有以下三方面：

• 语义分割 (semantic segmentation）FCN
• 实例分割（Instance segmentation）Mask R-CNN
• 全景分割（Panoramic segmentation） Panoptic FPN

全景分割就是不但要区分背景和前景，而且还要将背景进行一些列的分类分割。
上述三种分割任务的难度是依次递增的。

二、学习规划

几个语义分割领域算法源码的介绍

二、语义分割任务常见数据集格式

1.PASCAL VOC

PASCAL VOC在语义分割中提供的其实就是一个PNG图片，在这个PNG文件中有记录每个像素所属于的类别，这里的PNG图片使用调色板的格式进行存储的（原图片是一个1通道的灰度图），把相应的像素值映射到了相应的颜色值。比如：

• 像素0对应的是（0，0，0）黑色
• 像素1对应的是（127，0，0）深红色
• 像素255对应的是（224，224，129）
  == 这个255有必要解释一下==：当我们在计算损失的时候我们会忽略掉像素值是255的这些像素，因为目标的边缘到底严格属于哪个类别我们不好说，包括有些不太好分割的目标，我们也有255来填充。比如，上图有一个四边形，其实是一个飞机的尾翼，这个分割难度是很大的，我们直接把它忽略。
  

2.MS COCO

特点是每一个目标都给出了一个多边形，并且记录下多边形每个角的坐标。
MS COCO数据集介绍以及pycocotools简单使用

三、语义分割得到结果的具体形式

为什么不直接显示灰度图片呢，而是要将它转化为彩色？
比如说飞机是像素值对应的是1，人对应是15，它们之间的区别非常大小，如果采用灰度的形式，我们很难看出区别来。
所以我们采用将像素值映射到彩色格式下，并且每一个像素数值对应类别索引。

四、语义分割评价指标

Pixel Accuracy(Global Acc):$\frac{预测正确的像素个数}{总的像素个数}$
$$\frac{{\Sigma }_i{n}_{ii}}{{\Sigma }_i{t}_i}$$
mean Accuracy:对各个类别的像素的精度求平均值
$$\frac{1}{n_{cls}}{\Sigma }_i\frac{n_{ii}}{t_i}$$
mean IoU:对IoU求平均值
$$\frac{1}{n_{cls}}{\Sigma }_i\frac{n_{ii}}{t_i+{\Sigma }_j{n}_{ji}?n_{ii}}$$
$\frac{颜色重叠区域的面积}{总面积}$

其中:

• $n_{ij}$：类别i被预测成类别j的像素个数
• $n_{cls}$:目标类别个数（包含背景）
• $t_i={\Sigma }_j{n}_{ij}:$目标类别i的总像素个数（真实标签）

对这个评价指标进行一个深刻的理解

mean acc$=\frac{1}{5}\sum (clas{s}_{i}acc)$

mean IoU$=\frac{1}{5}\sum (cl{s}_{i}iou)$

五、语义分割标注工具

传统的标注工具,比如：Labelme

Labelme

半自动化的一个标注工具：百度的EISeg
EISeg

六、参考资料

PASCAL VOC2012数据集介绍
EISeg分割标注软件使用