【CV-Learning】语义分割

语义分割

定义：给图像的每个像素分配类别标签，不区别实例，只考虑像素类别。

旧思路（滑动窗口）

思路：以某一个像素点为中心，选取一个区域，对该区域进行分类。
问题：效率太低，重叠的区域特征反复被计算。

新思路（全卷积）

思路：在Convolutions时进行pooling，使得图像尺寸及深度不变，之后得到深度为C的Scores，其中每个深度代表一个类别，可以对每个像素进行类别判断。最终通过判断每个像素的交叉熵损失之和，进行反馈对总损失进行控制，使其越低越好。
问题：Convolutions处理过程中保持图像的原始分辨率，对显存的需求十分庞大。于是可以对Convolutions过程进行优化处理，得到性能的提升。

性能提升