Definition
Bei der semantischen Segmentierung handelt es sich um die Aufgabe der Computervision, jeden Pixel in einem Bild einer Kategorie wie Straße, Gebäude oder Fußgänger zuzuordnen.
Zweck
Ziel ist es, ein detailliertes Szenenverständnis für KI-Anwendungen im Bereich autonomes Fahren, medizinische Bildgebung und Robotik bereitzustellen.
Bedeutung
- Unverzichtbar für die Wahrnehmung auf Pixelebene in sicherheitskritischen Systemen.
- Ermöglicht präzise Objektgrenzen im Vergleich zu Begrenzungsrahmen.
- Erfordert große annotierte Datensätze.
- Bei hohen Auflösungen rechenintensiv.
Funktionsweise
- Sammeln und beschriften Sie auf Pixelebene annotierte Bilder.
- Trainieren Sie Deep-Learning-Modelle wie vollständig faltende Netzwerke.
- Das Eingabebild wird zu Vorhersagen auf Pixelebene verarbeitet.
- Die Ausgabemaske weist jedem Pixel eine Klasse zu.
- Bewerten Sie mit Metriken wie Intersection over Union (IoU).
Beispiele (Reale Welt)
- Datensatz „Stadtlandschaften“: semantische Segmentierung für Stadtszenen.
- Tesla Autopilot: Segmentierung auf Pixelebene für die Straßennavigation.
- Medizinische Bildgebung: Segmentierung von Tumoren in MRT-Scans.
Referenzen / Weiterführende Literatur
- Long et al. „Vollständig faltende Netzwerke für die semantische Segmentierung.“ CVPR 2015.
- Datensatz zu Stadtlandschaften.
- IEEE-Transaktionen zur medizinischen Bildgebung.
