78 lines
4.8 KiB
Markdown
78 lines
4.8 KiB
Markdown
<!--
|
||
CO_OP_TRANSLATOR_METADATA:
|
||
{
|
||
"original_hash": "d7f8a25ff13cfe9f4cd671cc23351fad",
|
||
"translation_date": "2025-08-24T21:55:58+00:00",
|
||
"source_file": "lessons/4-ComputerVision/12-Segmentation/README.md",
|
||
"language_code": "tw"
|
||
}
|
||
-->
|
||
# 分割
|
||
|
||
我們之前學習了物件檢測，它可以通過預測物件的*邊界框*來定位圖像中的物件。然而，對於某些任務，我們不僅需要邊界框，還需要更精確的物件定位。這項任務被稱為**分割**。
|
||
|
||
## [課前測驗](https://red-field-0a6ddfd03.1.azurestaticapps.net/quiz/112)
|
||
|
||
分割可以被視為**像素分類**，也就是說，對圖像中的**每個**像素，我們都必須預測其類別（*背景*也是其中一個類別）。主要有兩種分割算法：
|
||
|
||
* **語義分割**僅告訴像素的類別，並不區分同一類別的不同物件。
|
||
* **實例分割**將類別劃分為不同的實例。
|
||
|
||
例如，對於實例分割，這些羊是不同的物件，但對於語義分割，所有的羊都被表示為一個類別。
|
||
|
||
<img src="images/instance_vs_semantic.jpeg" width="50%">
|
||
|
||
> 圖片來源：[這篇部落格文章](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50)
|
||
|
||
有多種神經網絡架構可用於分割，但它們的結構都是相似的。在某種程度上，它類似於你之前學習的自編碼器，但我們的目標不是解構原始圖像，而是解構一個**遮罩**。因此，分割網絡包含以下部分：
|
||
|
||
* **編碼器**從輸入圖像中提取特徵。
|
||
* **解碼器**將這些特徵轉換為**遮罩圖像**，其大小和通道數與類別數相對應。
|
||
|
||
<img src="images/segm.png" width="80%">
|
||
|
||
> 圖片來源：[這篇論文](https://arxiv.org/pdf/2001.05566.pdf)
|
||
|
||
我們特別需要提到分割中使用的損失函數。在使用經典自編碼器時，我們需要測量兩幅圖像之間的相似性，可以使用均方誤差（MSE）來完成。在分割中，目標遮罩圖像中的每個像素表示類別編號（在第三維度上進行獨熱編碼），因此我們需要使用特定於分類的損失函數——交叉熵損失，並對所有像素取平均值。如果遮罩是二元的，則使用**二元交叉熵損失**（BCE）。
|
||
|
||
> ✅ 獨熱編碼是一種將類別標籤編碼為向量的方法，其長度等於類別數。可以參考[這篇文章](https://datagy.io/sklearn-one-hot-encode/)了解這種技術。
|
||
|
||
## 醫學影像中的分割
|
||
|
||
在本課中，我們將通過訓練網絡識別醫學影像中的人類痣（也稱為痣）來實際應用分割。我們將使用<a href="https://www.fc.up.pt/addi/ph2%20database.html">PH<sup>2</sup>資料庫</a>的皮膚鏡影像作為圖像來源。該數據集包含200幅圖像，分為三類：典型痣、非典型痣和黑色素瘤。所有圖像還包含對應的**遮罩**，用於勾勒痣的輪廓。
|
||
|
||
> ✅ 這種技術特別適合這種類型的醫學影像，但你還能想到哪些現實世界中的應用場景？
|
||
|
||
<img alt="navi" src="images/navi.png"/>
|
||
|
||
> 圖片來源：PH<sup>2</sup>資料庫
|
||
|
||
我們將訓練一個模型，將任何痣從背景中分割出來。
|
||
|
||
## ✍️ 練習：語義分割
|
||
|
||
打開以下筆記本，了解更多不同的語義分割架構，練習使用它們，並觀察它們的實際效果。
|
||
|
||
* [語義分割 Pytorch](../../../../../lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb)
|
||
* [語義分割 TensorFlow](../../../../../lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb)
|
||
|
||
## [課後測驗](https://red-field-0a6ddfd03.1.azurestaticapps.net/quiz/212)
|
||
|
||
## 結論
|
||
|
||
分割是一種非常強大的圖像分類技術，從邊界框進一步發展到像素級分類。它在醫學影像等應用中具有廣泛的用途。
|
||
|
||
## 🚀 挑戰
|
||
|
||
人體分割只是我們可以對人物圖像進行的常見任務之一。其他重要任務包括**骨架檢測**和**姿勢檢測**。試試[OpenPose](https://github.com/CMU-Perceptual-Computing-Lab/openpose)庫，看看姿勢檢測的應用。
|
||
|
||
## 回顧與自學
|
||
|
||
這篇[維基百科文章](https://wikipedia.org/wiki/Image_segmentation)提供了該技術各種應用的良好概述。自行學習有關實例分割和全景分割這一領域的子領域。
|
||
|
||
## [作業](lab/README.md)
|
||
|
||
在本次實驗中，嘗試使用來自 Kaggle 的[Segmentation Full Body MADS Dataset](https://www.kaggle.com/datasets/tapakah68/segmentation-full-body-mads-dataset)進行**人體分割**。
|
||
|
||
**免責聲明**：
|
||
本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。 |