深度学习cv之语义分割
增强工具：
good语义分割大全：
一、上采样
1.repeat 按行列复制填充
2. Resize，如双线性插值直接缩放，类似于图像缩放
2.1 线性插值
2.2 双线性插值
双线性插值核心思想：是在两个方向分别进行一次线性插值。
假设我们已知函数 f 在 Q11 = (x1, y1)、Q12 = (x1, y2), Q21 = (x2, y1) 以及 Q22 = (x2, y2) 四个点的值，求函数 f 在点 P = (x, y) 的值 假设我们已知函数 f 在 Q11 = (x1, y1)、Q12 = (x1, y2), Q21 = (x2, y1) 以及 Q22 = (x2, y2) 四个点的值，求函数 f 在点 P = (x, y) 的值
3. Deconvolution，也叫 Transposed Convolution
二、语义分割
1、背景：
图像语义分割(Semantic Segmentation)是图像处理和是机器视觉技术中关于图像理 解的重要一环，也是 AI 领域中一个重要的分支。语义分割即是对图像中每一个像素点进行 分类，确定每个点的类别（如属于背景、人或车等），从而进行区域划分
2、语义分割、实例分割、全景分割概念
1. 语义分割（semantic segmentation）：对图像中逐像素进行分类。
2. 实例分割（instance segmentation）：对图像中的 object 进行检测，并对检测到的 object 进行分割。 2. 实例分割（instance segmentation）：对图像中的 object 进行检测，并对检测到的 object 进行分割。
3. 全景分割（panoptic segmentation）：对图像中的所有物体进行描述 3. 全景分割（panoptic segmentation）：对图像中的所有物体进行描述
