## 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)