信息工程学院

讲座时间：2022年4月29日12时40分

讲座地点：工B308

讲座对象：信息工程学院教师及数字科学与大数据技术研究中心成员

讲座摘要：

语义分割作为图像分类、目标检测和图像分割领域的基础性技术，通过一定的方法将图像分割成具有一定语义含义的区域块，并识别出每个区域块的语义类别，实现从底层到高层的语义推理过程，最终得到一幅具有逐像素语义标注的分割图像

随着深度学习的发展，语义分割技术得到很大的进步，基于卷积神经网络的语义分割方法相较于传统的语义分割方法，网络可以自动学习图像的特征，进行端到端的分类学习，大大提升语义分割的精确度。

U-net 对称语义分割模型主要由一个收缩路径和一个对称扩张路径组成，收缩路径用来获得上下文信息，对称扩张路径用来精确定位分割边界。U-net 使用图像切块进行训练，所以训练数据量远远大于训练图像的数量，这使得网络在少量样本的情况下也能获得不变性和鲁棒性。