¿Qué es la segmentación semántica?
La segmentación semántica es una tarea de visión artificial que asigna una clase a cada píxel de una imagen.
Long, Shelhamer y Darrell describen la tarea como el etiquetado de cada píxel con la clase del objeto o región que lo contiene. Sus redes totalmente convolucionales aceptan una imagen de cualquier tamaño y devuelven un mapa de etiquetas del mismo tamaño.
Tareas relacionadas
La segmentación de instancias detecta cada objeto y lo segmenta por separado. La segmentación semántica no lo hace. Asigna la misma etiqueta a dos grietas. La segmentación panóptica combina ambas tareas y asigna a cada píxel de la escena una única etiqueta coherente.
Cómo se construye y se evalúa un modelo
Muchos modelos siguen el diseño U-Net. Una vía de contracción captura el contexto. Una vía simétrica de expansión restaura la posición de cada etiqueta. Sus autores la entrenaron con muy pocas imágenes.
Dos métricas habituales son la precisión por píxel y la intersección sobre unión media (IU medio). La precisión por píxel es el número de píxeles correctos dividido entre todos los píxeles. El IU medio compara los píxeles predichos y reales de cada clase y promedia el resultado.
Uso en la inspección de aeródromos
El PCI de un pavimento aeroportuario se determina según la ASTM D5340 (FAA AC 150/5380-6C, sección 2.4). La circular de la FAA no menciona la segmentación de imágenes. Esta página no afirma qué tan bien un modelo de segmentación encuentra los deterioros del pavimento.
Preguntas Frecuentes
- ¿Cuál es la diferencia entre la segmentación semántica, la de instancias y la panóptica?
- La segmentación semántica asigna una clase a cada píxel, pero no separa los objetos de la misma clase. La segmentación de instancias detecta y segmenta cada objeto por separado. La segmentación panóptica combina ambas, de modo que cada píxel de la escena recibe una única etiqueta coherente.
- ¿Cómo se evalúa un modelo de segmentación semántica?
- Dos métricas habituales son la precisión por píxel y la intersección sobre unión media (IU medio). La precisión por píxel es la proporción de píxeles con la clase correcta. El IU medio promedia, sobre todas las clases, el solapamiento entre los píxeles predichos y los reales dividido entre su unión.
- ¿Qué es una U-Net?
- Una U-Net es una red convolucional para segmentación con una vía de contracción que captura el contexto y una vía simétrica de expansión que aporta una localización precisa. Ronneberger, Fischer y Brox la presentaron en 2015 para imágenes biomédicas y la entrenaron con muy pocas imágenes.
Referencias
- fcn-long-2015
- Fully Convolutional Networks for Semantic Segmentation Long, Shelhamer and Darrell, CVPR 2015 (arXiv:1411.4038)
- unet-2015
- U-Net: Convolutional Networks for Biomedical Image Segmentation Ronneberger, Fischer and Brox (arXiv:1505.04597)
- panoptic-2018
- Panoptic Segmentation Kirillov, He, Girshick, Rother and Dollar (arXiv:1801.00868, CVPR 2019)
- faa-ac-150-5380-6c
- AC 150/5380-6C, Guidelines and Procedures for Maintenance of Airport Pavements FAA
Esta es una entrada de referencia. TarmacView proporciona servicios de inspección con drones y no vende los equipos ni materiales descritos en este glosario.
