語義分割這幾年發展真的快，去年暑假我用enet分割車道線，效果還行，速度很快，前幾天逛github又發現一大堆更好的網路，erfnet、shufflenet等，都是一些變種的網路，看他們**的結果都是乙個比乙個好。這裡先記錄一下之前跑enet的結果。
模型是用的github上tensorflow版本的enet。資料集用的圖森。下面是以前訓練的結果：
右邊是標籤，左邊是**，結果貌似還行。訓練途中遇到乙個坑！**裡提供的enet自帶class weight訓練效果賊差，用mfb平衡的class weight效果也不行，最後用1：1還好一些。分割完後處理部分還是很難處理，你透視變換+車道線聚類+車道線擬合是常見方法，主要難解決的問題是：逆透視變換受坡度影響，多車道聚類策略受路寬影響（每條路並不是都是3.75m寬），彎道擬合。這三個問題很難兼顧啊。
推薦使用scnn,github上有**
語義分割綜述
目前語義分割的流行框架可以分為前端 後端。前端採用fcn定位不同類別的物體，後端採用rf crf mrf 精確定位物體邊界。也就是說，前端解決 是什麼 what 後端解決 在 where 可以把語義分割網路分為兩類 以fcn為代表的編解碼器 encode decode 網路 以deeplab為代表的...
語義分割概述
影象語義分割 一 影象語義分割含義及原理 含義 對分割後的影象加上語義標籤 用不同的顏色代表不同類別的物體 就是給分割後影象中的每一類物體加上標籤，輸入一般是彩色深度 rgb d 影象。要求 1 分割得到的不同區域內部平整，其紋理和灰度有相似性 2 相鄰語義分割區域對分割所依據的性質有明顯的差異 3...
語義分割概述
本文大多來自方便讀 使用 影象語義分割 semantic segmentation 從字面意思上理解就是讓計算機根據影象的語義來進行分割，例如讓計算機在輸入下面左圖的情況下，能夠輸出右圖。語義在語音識別中指的是語音的意思，在影象領域，語義指的是影象的內容，對意思的理解，並對不同部分進行標註，圖中紅色...