图像分割之环境搭建
1.前言
图像分割（Image Segmentation）是一种计算机视觉领域的技术，旨在将图像分成若干个特定的、具有语义意义性质的区域。图像分割可以用于许多领域，包括目标检测、图像编辑、医学图像分析等。它是由图像处理到图像分析的关键步骤。
语义分割
语义分割的目的是把图像中的每个像素分为特定的语义类别，属于特定类别的像素仅被分类到该类别，而不考虑其他信息，例如：人、车、树、狗等这就是不同的类别。语义分割的方法：基于全卷积网络（FCN）、深度解码网络（DeepLab）、U-Net、图像分割神经网络（SegNet）、Mask R-CNN等。实例分割
实例分割根据“实例”而不是类别将像素分类，实例分割的目的是将图像中的目标检测出来，它不仅要对图像中的每个像素进行语义类别的分类，还要将同一类别的不同实例进行区分，并且对目标的每个像素分配类别标签以区分它们。实例分割的方法：Mask R-CNN、ShapeMask、全卷积实例分割（Fully Convolutional Instance Segmentation，FCIS）、PANet、YOLACT等。全景分割
全景分割是最新开发的分割任务，可以表示为语义分割和实例分割的组合，其中图像中对象的每个实例都被分离，并预测对象的身份。
参考文章:
【1】.深度学习之图像分割——入门篇 1.简介;2.图像分割常用数据集;3.图像分割评价指标;4.图像分割图标的工具：Labelme、VGG Image Annotator (VIA)、LabelImg、RectLabel、COCO Annotator;5.图像分割常用的损失函数:交叉熵损失函数（Cross-Entropy Loss）、Dice损失函数（Dice Loss）、Jaccard损失函数（Jaccard Loss）、Focal损失函数（Focal Loss）、像素交叉熵损失函数（Pixel-wise Cross-Entropy Loss）；6.基于深度学习的图像分割详解。
【2】.计算机视觉中常见的图像分割算法与网络模型 1.传统给图像算法:传统给图像算法、边缘检测、区域生长、分水岭算法、基于聚类的方法、基于轮廓的方法（Active contours/snakes）。2.深度学习方法：FCN（全卷积网络，端到端的图像风格方法）、U-Net、seg-Net、DeepLab系列、Mask R-CNN、PSP-Net（金字塔场景分割网络）、MA-Net：（multi-scale Attention Net work）
【1】.深度学习之图像分割——入门篇 1.简介;2.图像分割常用数据集;3.图像分割评价指标;4.图像分割图标的工具：Labelme、VGG Image Annotator (VIA)、LabelImg、RectLabel、COCO Annotator;5.图像分割常用的损失函数:交叉熵损失函数（Cross-Entropy Loss）、Dice损失函数（Dice Loss）、Jaccard损失函数（Jaccard Loss）、Focal损失函数（Focal Loss）、像素交叉熵损失函数（Pixel-wise Cross-Entropy Loss）；6.基于深度学习的图像分割详解。
【2】.计算机视觉中常见的图像分割算法与网络模型 1.传统给图像算法:传统给图像算法、边缘检测、区域生长、分水岭算法、基于聚类的方法、基于轮廓的方法（Active contours/snakes）。2.深度学习方法：FCN（全卷积网络，端到端的图像风格方法）、U-Net、seg-Net、DeepLab系列、Mask R-CNN、PSP-Net（金字塔场景分割网络）、MA-Net：（multi-scale Attention Net work）
