3.2.4語義分割

圖3-7所示為機器視覺語義分割示例。

計算機視覺的核心是分割，它將整個圖像分成一個個像素組，然后對其進行標記和分類。語義分割試圖在語義上理解圖像中每個像素的角色（例如，識別它是道路、汽車還是其他類別）。如圖3-7所示，除識別人、道路、汽車、樹木等外，還必須確定每個物體的邊界。因此，與分類不同，需要用模型對密集的像素進行預測。

與其他計算機視覺任務一樣，卷積神經網絡在分割任務上取得了巨大成功。最流行的原始方法之一是通過滑動窗口進行塊分類，利用每個像素周圍的圖像塊，對每個像素

分別進行分類。但是其計算效率非常低，因為我們不能在重疊塊之間重用共享特征。解決方案之一就是加州大學伯克利分校提出的全卷積網絡（FCN），它提出了端到端的卷積神經網絡體系結構，在沒有任何全連接層的情況下進行密集預測，如圖3-8所示。

圖3-8 全卷積網絡（FCN）實現像素分類演示

這種方法允許針對任何尺寸的圖像生成分割映射，并且比塊分類算法快得多，幾乎后續(xù)所有的語義分割算法都采用了這種范式。