2026_DesignAI/03-computer-vision/02.3-semantic-segmentation.md

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

U-Net: Convolutional Networks for Biomedical Image Segmentation