图像分割
将图像划分为有意义的区域 (物体、背景、部件) 并为每个像素分配标签的过程，是图像分析的核心技术。
图像分割为图像中的每个像素分配语义标签，将其划分为有意义的区域。与使用边界框的目标检测不同，分割提供像素级精确的边界，实现详细的场景理解。
分割类别：
- 语义分割：为每个像素分配类别标签 (人、车、道路)，不区分个体实例
- 实例分割：分别识别各个物体，区分人 A 和人 B
- 全景分割：统一两者，同时处理背景类别和前景实例
经典方法与深度学习方法：
- 经典方法：阈值化、区域生长、分水岭、图割。高效但对复杂场景能力有限
- 深度学习：FCN、U-Net、DeepLab、Mask R-CNN。在各种领域达到最先进的精度
应用包括自动驾驶 (道路和行人划定)、医学影像 (器官和肿瘤提取)、遥感 (土地利用分类) 和视频编辑 (背景去除)。标准评估指标为 IoU (交并比) 和 Dice 系数。
术语与方法的原文：分割即 Segmentation；古典方法包括阈值处理、区域生长、Watershed 算法与 Graph Cut，计算成本低但在复杂场景下精度有限；深度学习方法中的 FCN 全称为 Fully Convolutional Network。标准评估指标 IoU 的全称是 Intersection over Union。