一文详解图像分割基本概念
一文详解图像分割基本概念
前言
人类对计算机视觉感兴趣的最重要的问题是图像分类 (Image Classification)、目标检测 (Object Detection) 和图像分割 (Image Segmentation)，同时它们的难度也是依次递增。
在分类任务 (Image Classification) 中，我们只关注图片中物体的类别。
目标检测 (Object Detection)任务中，我们不仅要识别出图片中物体的类别，同时还要知道这些物体各自在什么地方，我们使用bounding box将这些目标框出
而图像分割 (Image Segmentation)任务跟目标检测任务其实有一定的相似，都是识别图片中的物体并在图片中标注出物体的位置。
只不过不再是用bbox来框出物体，而是精确到像素级，需要我们准确的知道物体的边缘在什么地方。通过下方的左右两张图片我们可以很明显地看出目标检测与图像分割的区别。
什么是图像分割
我们知道一张图片是由一堆像素构成的，那么图像分割(Image Segmentation)可以理解成对每一个像素进行分类的任务。
有两种最常见的图像分割技术：语义分割 (Semantic Segmentation) 和实例分割 (Instance Segmentation)。
语义分割时，在一张图片中有多个同一类物体的时候，这两个物体不用被明确的区分开，他们的像素标签都会是同一类别。
而实例分割时，当一张图片中有多个同一类物体时，不仅需要识别出物体的类别，还需要把两个同类物体给区分开。
如上图所示，在进行语义分割的时候，左边的两只狗会被分为同一类，用同一种颜色表示；而在实例分割的时候，左边的两只狗会被用不同颜色区分开，即这两只狗的上的像素的标签为不同类。
在看下面这张图。图(b)就是语义分割，途中的多辆汽车被分为了同一类，用同一种颜色表示；而图(c)是实例分割，虽然有多辆车，但是他们的标签类别却是不一样的，被用不同的颜色标记出来。
这里再简单提一句图(d)的全景分割(panoptic segmentation)。
我们可以看到对于给定图片(a)各任务的groundtruth分别是： 图(b)的语义分割是逐像素的class labels； 图(c)的实例分割是逐object的mask和class label； 图(d)的全景分割是逐像素的class labels和instance labels。全景分割同时完成语义分割和实例分割任务，需要对图片中的每一个可见object和region进行辨别与描述。 全景分割与实例分割，语义分割的不同： 对比语义分割，全景分割需要区分不同的 object instances； 对比实例分割，全景分割不仅分割things（即实力分割中的object），同时分割stuff（指具有相似纹理或材料的无定形区域，例如草、天空、道路。）； 全景分割需要同时识别stuff和things。 本教程主要将以语义分割为主。
图像分割的应用
图像分割的应用有很多，下面举了几个图像分割在现实生活中的应用
医学影像诊断
通过对MRI，CT，X光等医学影片进行图像分割，可以辅助医生诊断，甚至可以定位到病灶给出诊断结果。如下图，左边第一张图是大脑的MR原图，右边两张是进行图像分割后的图片。
再比如这张胸片，通过图像分割后，我们可以很清晰的分辨出肺、锁骨和心脏的位置。
自动驾驶
图像分割最著名的应用应该非自动驾驶莫属了。图像分割可以帮助汽车通过摄像头分辨路面、路牌、行人与车辆。可以想象，如果是较为粗略的目标检测的话，很难胜任安全要求如此之高的自动驾驶任务。
自动扣图
既然图像分割可以把每个物体所在位置的像素给分别标注出来，那么这是不是跟我们的抠图任务有类似呢。比如把一张商品的图片送进模型，通过图像分割我们是不是可以分辨出哪些像素属于背景，哪些像素属于前景（商品）呢？
虚拟试穿
再说最后一个我们生活中有遇到过的运用。不知道大家有没有在某些购物APP上，使用过3D试穿功能呢。就是选择好我们想是穿的衣物，通过手机摄像头对准我们要试穿的身体部位，那么手机上就会呈现出我们穿上这一衣物的样子。
这其实也是需要通过图像分割来分割出我们身体上应该穿上衣服的部位的。
同时，还有一种虚拟化妆的任务，其实原理也跟虚拟试穿类似。
参考文献
- Anil Chandra Naidu Matcha. “A 2021 guide to Semantic Segmentation.” https://nanonets.com/blog/semantic-image-segmentation-2020/
- Jeremy Jordan. “An overview of semantic image segmentation.” https://www.jeremyjordan.me/semantic-segmentation/
- Fei-Fei Li & Justin Johnson & Serena Yeung. “CS231n: Deep Learning for Computer Vision.” (2017). Lecture11. http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture11.pdf
- Pham, Dzung L. et al. “A Survey of Current Methods in Medical Image Segmentation.” (1999).
- Novikov, Alexey A., et al. "Fully convolutional architectures for multiclass segmentation in chest radiographs." IEEE transactions on medical imaging, 37.8 (2018): 1865-1876.
- Dhanoop Karunakaran. “Semantic segmentation — Udaity’s self-driving car engineer nanodegree.” https://medium.com/intro-to-artificial-intelligence/semantic-segmentation-udaitys-self-driving-car-engineer-nanodegree-c01eb6eaf9d
- Wang, Bochao, et al. "Toward characteristic-preserving image-based virtual try-on network." Proceedings of the European Conference on Computer Vision (ECCV). 2018.