语义分割

介绍

语义分割是用来识别图片中目标所在区域和目标边缘，是图像视觉领域中常见的问题。针对语义分割问题，我们提供了自动建模解决方案，让用户能够自行解决遇到的语义分割问题。

评价指标

mIoU

mIoU 是计算真实值和预测值两个集合的交集和并集之比。具体公式如下：

$$mIoU = \frac{1}{k+1}\sum_{i=0}^{k}{\frac{p_{ii}}{\sum_{j=0}^{k}{p_{ij}}+\sum_{j=0}^{k}{p_{ji}}-p_{ii}}}$$

$p_{ij}$ 表示真实值为 $i$，被预测为 $j$ 的数量，$K+1$ 是类别个数（包含空类）。$p_{ii}$ 是真正的数量。$p_{ij}$、$p_{ji}$ 则分别表示假正和假负。

参数讲解

参数	说明
image_height	（必填）图片高度
image_width	（必填）图片宽度
train_meta	（必填）训练集 csv 文件路径
val_meta	（必填）验证集 csv 文件路径
test_meta	（选填）测试集 csv 文件路径
early_stopping_step	（选填）提前停止训练步数，默认是10
classes	（必填）标注标签的名称，是一个数组。其中，0表示背景（background），1～N表示对应标签的命名

实战样例

在这个部分我们会结合数据格式，对几个问题样例进行效果说明。

遥感土地用途识别

本问题是识别遥感图像中不同区域的土地用途，共8类。通过自动建模语义分割的训练过程，mIoU 结果为 0.8521。