ce1e136ac3
|
||
|---|---|---|
| .. | ||
| lab | ||
| README.md | ||
| SemanticSegmentationPytorch.ipynb | ||
| SemanticSegmentationTF.ipynb | ||
README.md
分割
我們之前學過物件偵測，它可以透過預測物件的邊界框來定位影像中的物件。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
分割可以被視為像素分類，即對影像中的每個像素進行分類，並預測其所屬的類別（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，並不區分同一類別中的不同物件。
- 實例分割將類別分成不同的實例。
例如，在實例分割中，這些羊是不同的物件；但在語義分割中，所有的羊都被表示為同一類別。
圖片來源：這篇部落格文章
有許多不同的神經網路架構可用於分割，但它們的結構都相似。某種程度上，它類似於你之前學過的自編碼器，但我們的目標不是解構原始影像，而是解構一個遮罩。因此，分割網路包含以下部分：
- 編碼器：從輸入影像中提取特徵。
- 解碼器：將這些特徵轉換為遮罩影像，其大小與通道數與類別數相對應。
圖片來源：這篇出版物
我們特別需要提到分割中使用的損失函數。在使用傳統自編碼器時，我們需要測量兩個影像之間的相似性，可以使用均方誤差（MSE）來完成。在分割中，目標遮罩影像中的每個像素代表類別編號（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，並對所有像素進行平均。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，其向量長度等於類別數。可以參考這篇文章了解這項技術。
醫學影像中的分割
在本課中，我們將通過訓練網路來識別醫學影像中的人類痣（也稱為痣），以實現分割。我們將使用PH2資料庫的皮膚鏡影像作為影像來源。該資料集包含200張影像，分為三類：典型痣、不典型痣和黑色素瘤。所有影像也包含相應的遮罩，用於勾勒痣的輪廓。
✅ 這項技術特別適合這類醫學影像，但你能想到其他現實世界中的應用嗎？
圖片來源：PH2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。
課後測驗
結論
分割是一種非常強大的影像分類技術，超越了邊界框，實現了像素級的分類。它在醫學影像等領域有著廣泛的應用。
🚀 挑戰
人體分割只是我們可以對人物影像進行的常見任務之一。其他重要任務包括骨架偵測和姿勢偵測。試試OpenPose庫，看看姿勢偵測的應用。
回顧與自學
這篇維基百科文章提供了該技術各種應用的良好概述。自行學習實例分割和全景分割在該領域的子領域。
作業
在本次實驗中，使用 Segmentation Full Body MADS Dataset 資料集，嘗試進行人體分割。