pengxiao
e58b95d227
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>
137 lines
3.2 KiB
Markdown
137 lines
3.2 KiB
Markdown
|
|
## 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)
|