初始化：从 docx 拆分为独立 Markdown 章节

将《设计人工智能：基础与应用》拆分为 38 个 Markdown 文件，按 11 个部分（上篇6部分+下篇5部分）+ 3 个附录组织。 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
2026-04-25 10:32:58 +08:00
commit e58b95d227
42 changed files with 4857 additions and 0 deletions
@@ -0,0 +1,136 @@
+
+## 学习目标
+
+理解图像分析的三种层级
+
+掌握语义分割与实例分割的区别
+
+了解分割技术在空间分析中的应用
+
+## 图像分析层级
+
+### Pixel-Level (像素级)
+
+`每个像素独立处理`\
+`问题：不考虑上下文`
+
+### Patch-Level (图块级)
+
+`以图像块为单位`\
+`特点：保留局部空间关系`\
+`应用：``CNN``卷积操作`
+
+### Object-Level (对象级)
+
+`以完整对象为单位`\
+`特点：语义完整`\
+`应用：目标检测、分割`
+
+### 语义分割 vs 实例分割
+
+#### 语义分割 (Semantic Segmentation)
+
+`所有同类对象归为一类`\
+`图像`` → [``道路``, ``建筑``, ``车辆``, ``行人``, ...]`
+
+特点： - 同类别用同一种颜色 - 不区分个体数量
+
+#### 实例分割 (Instance Segmentation)
+
+`每个对象单独分割`\
+`图像`` → [``建筑``1, ``建筑``2, ``车``1, ``车``2, ...]`
+
+特点： - 区分同类对象的不同个体 - 更精细的场景理解
+
+### 分割网络架构
+
+#### FCN (全卷积网络)
+
+`CNN``特征提取`` → ``上采样`` → ``像素级预测`
+
+创新：用卷积层替代全连接层，输出热力图
+
+#### U-Net
+
+`编码器`` → ``瓶颈层`` → ``解码器`\
+`  ↓                    ↑`\
+`跳跃连接`` ───────────────┘`
+
+特点： - U型对称结构 - 跳跃连接融合多尺度特征 - 医学图像分割经典架构
+
+#### DeepLab系列
+
+空洞卷积 (Atrous Convolution)
+
+扩大感受野而不降低分辨率
+
+ASPP (空洞空间金字塔池化)
+
+### 空间分析应用
+
+#### 遥感影像分析
+
+`卫星图像`` → ``语义分割`` → ``土地利用分类`\
+`    ↓`\
+`- ``建筑用地`\
+`- ``农用地`\
+`- ``水体`\
+`- ``森林`
+
+#### 城市形态分析
+
+`街景图像`` → ``分割`` → ``空间品质评估`\
+`    ↓`\
+`- ``绿视率`\
+`- ``天空开阔度`\
+`- ``建筑密度`
+
+#### 景观格局分析
+
+`高分辨率影像`` → ``生态源地识别`\
+`    ↓`\
+`景观连接性评估`
+
+### 分割与检测对比
+
+  --------------------------------
+  特性     目标检测   语义分割
+  -------- ---------- ------------
+  输出     矩形框     像素级标注
+
+  精度     粗糙       精细
+
+  计算量   较低       较高
+
+  应用     目标定位   场景理解
+  --------------------------------
+
+### 思考与练习
+
+1.语义分割和实例分割分别在什么场景下更有用？
+
+2.U-Net的跳跃连接为什么重要？
+
+3.分割技术如何辅助规划设计决策？
+
+### 关键术语
+
+  -----------------------------------------------------
+  中文       英文                    说明
+  ---------- ----------------------- ------------------
+  语义分割   Semantic Segmentation   按类别分割像素
+
+  实例分割   Instance Segmentation   按对象个体分割
+
+  热力图     Heatmap                 像素级预测结果
+
+  空洞卷积   Atrous Convolution      扩大感受野的卷积
+
+  跳跃连接   Skip Connection         跨层连接
+  -----------------------------------------------------
+
+### 延伸阅读
+
+[Fully Convolutional Networks](https://arxiv.org/abs/1411.4038)
+
+[U-Net: Convolutional Networks for Biomedical Image Segmentation](https://arxiv.org/abs/1505.04597)