一、图像分割综述

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。我们先对目前主要的图像分割方法做个概述，后面再对个别方法做详细的了解和学习。

实例分割：Mask-rcnn
语义分割：FCN、deeplap、pspnet等

图像分割和目标检测主要区别，图像分割更加精细，目标检测只需要给目标物体标出锚框并显示类别即可，图像分割要求更高，要求将原物体的轮廓显示出来。此外，在医学图像处理的领域，图像分割也可应用于病灶的分割，和CT、MRI的分割。

二、FCN全卷积网络

全卷积网络可以直接处理整个图像，实现end-to-end的图像分割。同时全卷积网络相对于全连接网络而言，在最后的分类端，使用的参数量相对而言也要少很多。

述

三、U-net、pspnet模型

U-Net模型是一种改进的FCN结构，因其结构经论文作者画出来形似字母U而得名，应用于医学图像的语义分割。它由左半边的压缩通道和右半边扩展通道组成。

四、PSPnet

简介

PSPnet利用多种大小的卷积核进行扫描，增大模型的全局视野

缺点

image.png

空洞卷积

空洞卷积优点：
1、增大感受野
2、不降低分辨率
3、不引入额外参数和计算

空洞卷积计算方法

五、Deeplap系列

Deeplab 是谷歌在FCN的基础上进行改进得到的。

在这里插入图片描述

deeplabV3网络结构