利用DeepLab在Tensorflow中进行语义图像分割

语义图像分割，也就是将“道路”、“天空”、“人”和“狗”等语义标签分配给图像中每一个像素的任务，可以实现大量的新应用，例如 Pixel 2 与 Pixel 2 XL 智能手机人像模式中附带的合成浅景深效果，以及移动实时视频分割。分配这些语义标签需要标出对象的轮廓，因此，它对定位精度的要求比其他视觉实体识别任务（例如图像级分类或边界框级检测）更加严格。

我们高兴地宣布将 Google 最新、性能最好的语义图像分割模型 DeepLab-v3+ （在 Tensorflow 中实现）开源：

https://github.com/tensorflow/models/tree/master/research/deeplab

此次发布包括基于一个强大的卷积神经网络 (CNN) 骨干架构构建的 DeepLab-v3+ 模型，这些模型可以获得最准确的结果，预期用于服务器端部署。作为此次发布的一部分，我们还将分享 Tensorflow 模型训练与评估代码，以及已在 Pascal VOC 2012 和 Cityscapes 基准语义分割任务中预先训练的模型。

转自：TensorFlow

完整内容请点击“阅读原文