Skip to main content

10.4.1 图像分割路线图：像素级区域

分割比检测更细。它不是输出框，而是输出 mask，说明哪些像素属于某个类别或实例。

先看 Mask 工作流​

图像分割章节学习顺序图

语义分割 mask 示例

语义分割 IoU 与边界图

本章最重要的对象是 mask。常见失败通常是边界质量、小目标、遮挡或类别混淆。

跑一个 Mask IoU 检查​

这个脚本比较两个极小二值 mask。

truth = [
    [1, 1, 0],
    [1, 0, 0],
    [0, 0, 0],
]

pred = [
    [1, 0, 0],
    [1, 1, 0],
    [0, 0, 0],
]

intersection = 0
union = 0
for y in range(3):
    for x in range(3):
        intersection += truth[y][x] == 1 and pred[y][x] == 1
        union += truth[y][x] == 1 or pred[y][x] == 1

print("mask_iou:", round(intersection / union, 3))

预期输出：

mask_iou: 0.5

分割报告要展示 mask、指标和边界错误，而不只是彩色叠加图。

按这个顺序学​

步骤阅读实操产出
1语义分割为每个像素预测一个类别
2实例分割分开同类别的不同对象
3分割实战比较 mask、IoU/Dice、边界错误和失败样例

通过标准​

如果你能创建或检查一个 mask，计算简单重叠指标，并解释一个边界或类别混淆失败，就通过了本章。