分割

我们之前学习了目标检测，它可以通过预测边界框来定位图像中的对象。然而，对于某些任务，我们不仅需要边界框，还需要更精确的对象定位。这项任务被称为分割。

课前测验

分割可以看作是像素分类，即对于图像中的每个像素，我们必须预测其类别（背景是其中一个类别）。主要有两种分割算法：

• 语义分割只告诉像素的类别，不区分同一类别的不同对象。
• 实例分割将类别划分为不同的实例。

例如，对于实例分割，这些羊是不同的对象；而对于语义分割，所有的羊都被表示为一个类别。

图片来源于这篇博客文章

分割有不同的神经网络架构，但它们的结构都相同。从某种意义上说，它类似于你之前学习过的自动编码器，但不是解构原始图像，而是解构一个掩码。因此，分割网络包括以下部分：

• 编码器从输入图像中提取特征
• 解码器将这些特征转换为掩码图像，其大小与通道数对应于类别数量。

图片来源于这篇论文

我们特别需要提到分割中使用的损失函数。在使用经典自动编码器时，我们需要测量两张图像之间的相似性，可以使用均方误差（MSE）来实现。在分割中，目标掩码图像中的每个像素表示类别编号（在第三维度上进行独热编码），因此我们需要使用特定于分类的损失函数——交叉熵损失，并对所有像素进行平均。如果掩码是二值的，则使用二值交叉熵损失（BCE）。

✅ 独热编码是一种将类别标签编码为长度等于类别数量的向量的方法。可以查看这篇文章了解这一技术。

医学影像中的分割

在本课中，我们将通过训练网络识别医学图像中的人类痣（也称为黑痣）来实际应用分割技术。我们将使用PH²数据库的皮肤镜图像作为图像来源。该数据集包含200张图像，分为三类：典型痣、非典型痣和黑色素瘤。所有图像还包含一个对应的掩码，用于勾勒痣的轮廓。

✅ 这种技术特别适用于这种类型的医学影像，但你还能想到哪些其他的实际应用场景？

图片来源于PH²数据库

我们将训练一个模型，将任何痣从背景中分割出来。

✍️ 练习：语义分割

打开以下笔记本，了解不同的语义分割架构，练习使用它们，并观察它们的实际效果。

• 语义分割 Pytorch