语义分割用途(语义分割的作用)

语义分割是计算机视觉中的基础任务，我们通常会使用基于 CNN 加 CRF 的方法或直接使用对抗性的训练实现端到端的分割。
本文简要介绍了这两种方法及它们的特点。
人类是如何描述场景的？我们可能会说「窗户下有一张桌子」，或者「沙发右边有一盏灯」。
图像理解的关键在于将一个整体场景分解成几个单独的实体，这也有助于我们推理目标的不同行为。
当然，目标检测方法可以帮助我们绘制某些确定实体的边框，但人类对场景的理解能以像素级的精细程度对每一个实体进行检测并标记精确的边界。
我们已经开始发展自动驾驶汽车和智能机器人，这些都需要深入理解周围环境，因此精确分割实体变得越来越重要。
什么是语义分割？语义分割是计算机视觉中的基本任务，在语义分割中我们需要将视觉输入分为不同的语义可解释类别，「语义的可解释性」即分类类别在真实世界中是有意义的。
例如，我们可能需要区分图像中属于汽车的所有像素，并把这些像素涂成蓝色。