遥感影像分类、目标检测、语义分割、实例分割的异同

分类:给一张影像,识别出影像上都有哪些地物,如图1,影像上有耕地、建筑物、水域以及道路;

目标检测:识别出影像上物体的类别,并给出该物体的位置,一般用方框给出问题,如图2,红色框表示某建筑物、黄色框表示某水田、白色框表示某水域;

语义分割:将影像中的每一个像素标注为某个类别,如图3,红色代表建筑物,绿色代表耕地,蓝色代表水体;

实例分割:是目标检测和语义分割的综合,相对于目标检测,实例分割可精确到物体的边界,相对语义分割,实例分割可以标注出同一地物的不同个体。如图4,绿色系表示不同形式的耕地,红色系表示不同风格的建筑,蓝色系表示不同位置的水域。

 

版权声明:本文为CSDN博主「doer119」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_64707172/article/details/122202709

doer119

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

目标检测算法分类

目标检测算法分类: 1、两步走的目标检测:先找出候选的一些区域,再对区域进行调整分类 代表:R-CNN、SPP-net、Fast R-CNN、Faster R-CNN 2、端到端的目标

【目标检测】YOLO、SSD、CornerNet原理介绍

目标检测是计算机视觉中比较简单的任务,用来在一张图篇中找到某些特定的物体,目标检测不仅要求我们识别这些物体的种类,同时要求我们标出这些物体的位置。其中类别是离散数据,位置是连续数据。 目

目标检测篇之---YOLO系列

YOLO系列 首先先说一下目标检测之one-stage和two-stage网络是什么意思?有什么区别? 刚开始看目标检测的时候总能看见单阶段(one-stage)和两阶段(