语义分割
语义分割是深度学习中一项重要的计算机视觉任务，旨在将图像中的每个像素分配到预定义的语义类别中。
预置模型 |
模型特点 |
deeplabv3_resnet50 |
DeepLabv3 是一种用于语义分割任务的先进深度学习模型。它采用空洞 卷积（Dilated Convolution）来扩大感受野，并通过多尺度特征融合和空 间金字塔池化（Spatial Pyramid Pooling）来捕获图像中的不同尺度信息。 模型引入了深度可分离卷积（Depthwise Separable Convolution）以提 高效率，并添加了背景分类器以更好地处理背景类别。 该模型使用 resnet50 作为 backbone 提取图像特征。 |
deeplabv3plus_resnet50 |
DeepLabv3 的升级版本，通过添加一个简单有效的解码器模块来扩展来 细化分割结果，对对象边界的分割结果更准确。 该模型使用 resnet50 作为 backbone 提取图像特征。 |
fcn_resnet50 |
FCN（Fully Convolutional Network）是一种经典的语义分割模型，它是 深度学习在语义分割领域的重要里程碑之一。与传统的卷积神经网络 （CNN）不同，FCN 将全连接层替换为全卷积层，使得模型能够接受任 意尺寸的输入图像并输出相同尺寸的语义分割结果。FCN 通过将不同层 级的特征图进行上采样和融合，从而实现对图像中每个像素的语义标记。 为了提高语义分割的精度，FCN 还引入了跳跃连接（skip connections） 和反卷积层（deconvolution），以融合不同分辨率的特征并提高分割结果的准确性。 该模型使用 resnet50 作为 backbone 提取图像特征。 |
isanet_resnet50 |
ISANet（Instance-wise Semantic Aware Network）是一种用于语义分割任 务的先进深度学习模型。相比传统的语义分割模型，ISANet 能够更好地 理解图像中的实例信息，并对不同实例进行更准确的分割。ISANet 利用 实例感知的注意力机制，同时考虑像素级别的语义信息和实例级别的特 征，以实现更精确的分割结果。该模型还引入了跨尺度的特征融合模块， 以更好地捕获不同尺度下的语义信息。此外，ISANet 还采用了轻量级的 网络结构设计，以提高模型的计算效率和速度。ISANet 在各种语义分割 任务中表现出色，尤其在处理具有复杂实例结构的图像时具有明显优势。 该模型使用 resnet50 作为 backbone 提取图像特征。 |
knet_resnet50 |
KNet 是一种可以统一处理语义分割、实例分割和全景分割任务的深度学 习算法，它通过一组可学习的参数生成潜在实例和类别的掩码，可以与 多种语义分割算法搭配使用。 该模型使用 resnet50 作为 backbone 提取图像特征, 使用 Deeplabv3 的分割头来辅助训练。 |
maskformer_resnet50 |
MaskFormer 采用一种简单的掩码分类方法来预测一组二进制掩码，每个 二进制掩码对应一个全局标签。 该模型使用 resnet50 作为 backbone 提取图像特征。 |
mask2former_resnet50 |
Mask2Former (Masked-attention Mask Transformer) 是一种能够解决任何 图像分割任务（全景、实例或语义）的通用架构。其关键组成是屏蔽注意力 机制，它通过限制预测屏蔽区域内的交叉注意力来提取局部特征。 该模型使用 resnet50 作为 backbone 提取图像特征。 |
poolformer_s12 |
该模型使用 poolformer_s12 作为 backbone 提取图像特征，使用 FCN 方法进行语义分割。 |
pspnet_resnet50 |
PSPNet（Pyramid Scene Parsing Network）是一种用于语义分割任务的深 度学习模型，旨在实现对图像中场景的准确理解和分割。该模型利用金 字塔空间池化（Pyramid Pooling）的思想，在不同尺度上对输入特征图 进行多尺度的特征提取和融合。通过在不同尺度下对特征图进行局部池 化和全局池化操作，PSPNet 能够捕获图像中不同尺度的语义信息，从而提高分割准确性。 该模型使用 resnet50 作为 backbone 提取图像特征。 |
upernet_resnet50 |
UPerNet（Unified Perceptual Parsing for Scene Understanding）是一 种通用感知模型，可以实现包括语义分割在内的多种任务。 该模型使用 resnet50 作为 backbone 提取图像特征。 |
segmenter_vit-s_mask |
Segmenter 是一种用于语义分割任务的 Transformer 模型，与传统基于卷 积的方法相比，可以更好的对全局上下文进行建模。 该模型使用 vit-s 作为 backbone 提取图像特征。 |