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

CVPR2021: Sparse R-CNN新的目标检测模型

今天我们将讨论由四个机构的研究人员提出的一种方法,其中一个是字节跳动人工智能实验室。他们为我们提供了一种新的方法,称为稀疏R-CNN(不要与 Sparse R-CNN 混淆,后者在 3D 计算机视觉任务

实战深度学习目标检测:RCNN (1)

深度学习目标检测:RCNN 什么是目标检测?目标检测主要是明确从图中看到了什么物体?他们在什么位置。传统的目标检测方法一般分为三个阶段:首先在给定的图像上选择一些候选的区域&#xff0c