我读了很多有关对象检测,对象识别,对象分割,图像分割和语义图像分割的论文,这是我得出的结论,但可能不正确:
对象识别:在给定图像中,您必须检测所有对象(对象的受限类取决于您的数据集),使用边界框将其本地化,并用标签标记该边界框。在下图中,您将看到一个最新的对象识别状态的简单输出。
对象检测:类似于对象识别,但是在此任务中,您只有两类对象分类,即对象边界框和非对象边界框。例如,汽车检测:您必须使用给定的边界框来检测给定图像中的所有汽车。
对象分割:与对象识别类似,您将识别图像中的所有对象,但输出应显示该对象,以对图像的像素进行分类。
图像分割:在图像分割中,您将分割图像的区域。您的输出将不会标记彼此一致的图像的片段和区域应在同一片段中。从图像中提取超像素是此任务或前景背景分割的一个示例。
语义分割:在语义分割中,您必须使用一类对象(汽车,人物,狗等)和非对象(水,天空,道路等)标记每个像素。换句话说,在语义分割中,您将标记图像的每个区域。
我认为像素级和像素级标记基本上可以是图像分割或语义分割。我也同样在此链接中回答了您的问题。
0
语义分割是仅仅是“白痴”,还是“语义分割”和“分割”之间有区别? “场景标签”或“场景解析”有什么区别吗?
像素级分割和像素级分割有什么区别?
(旁问:当您具有这种像素级注释时,是否可以免费获得对象检测,或者还有什么事情要做?)
请提供您的定义来源。
使用“语义细分”的来源
使用“场景标签”的来源
使用“像素级”的来源
使用“ pixelwise”的源
Google Ngrams
近年来,“语义细分”似乎比“场景标记”使用更多