作为计算机视觉中最重要的领域,图像分割是科学家最早着手研究的问题之一。
早在上世纪七十年代,基于图像处理与深度学习的技术研究就得到了学术界的大力支持。现今,图像分割也是数据标注最常见的标注方法之一。
图像分割是计算机视觉和数字图像处理的一个子领域,旨在将图像中的相似元素分组到同一个类别中。
图像分割是图像分类的扩展,对图像中的特征进行局部视图,并侧重于局部差异和像素梯度。传统图像分割方法主要包括自适应阈值、Otsu算法和聚类算法等。
现阶段,图像分割已深入至社会方方面面,最常见的三个场景应用便是自动驾驶、医学与智慧城市。
自动驾驶:在自动驾驶数据标注任务中,汽车行进路线与运动规划在很大程度上依赖于图像分割,如车辆与行人检测、车载物体检测、路况检测等,语义分割与实例分割可帮助这些车辆更好的识别对象,保证汽车安全行驶。
医学成像:医学成像专注于从视觉数据诊断疾病,图像分割可以帮助医生准确地识别图像中潜在的恶性特征,不仅加快了疾病诊断速度,且降低了患者看病成本。图像分割常用于X射线、CT 器官扫描、牙科、手术与数字病理细胞识别。
智慧城市:图像分割旨在优化监控设备,实时监控道路交通、城市服务、工商业活动等。图像分割在行人检测、流量分析、车牌检测与视频监控方面发挥着重大作用,如抓捕犯罪分子、跟进道路事故、拦截超速车辆等。