越來越多的應用受益於圖像分類和分割技術，全場景理解在計算機視覺領域也非常重要。其中壹些應用包括自動駕駛車輛、人機交互、AR-VR等。隨著近年來深度學習的流行，很多語義切分問題都是利用深度架構解決的，其中以CNN(卷積神經網絡)最為常見，其準確率和效率大大超過其他方法。
什麽是語義切分？
語義切分是由粗到細推理的自然步驟:分類中可以定位原點，包括預測整個輸入。下壹步是定位/檢測，它不僅提供類，還提供關於這些類的空間位置的附加信息。最後，語義分割通過密集預測每個像素的推理標簽來實現細粒度推理，因此每個像素都被標記為其圍繞對象礦石區域的類別。
更具體地說，語義圖像分割的目標是用相應種類的內容來標記圖像中的每個像素。因為我們想要預測圖像中的每個像素，所以這個任務通常被稱為密集預測。這裏要註意的是，語義分割是給定圖像中的每個像素分配壹個類別的任務，而不是給整個圖像分配壹個單壹的類別。語義分割是將圖像中的每個像素分類到這些類別中的壹個。
語義分割的應用
自動駕駛:需要給汽車配備必要的感知能力，讓汽車能夠“觀察”路況和周圍環境，這樣自動駕駛汽車才能在路上安全行駛。