Segmentazione semantica

Segmentazione semantica

Definizione

La segmentazione semantica è l'attività di visione artificiale che consiste nel classificare ogni pixel di un'immagine in una categoria, ad esempio strada, edificio o pedone.

Missione

Lo scopo è quello di fornire una comprensione dettagliata della scena per le applicazioni di intelligenza artificiale nella guida autonoma, nell'imaging medico e nella robotica.

Importanza

  • Essenziale per la percezione a livello di pixel nei sistemi critici per la sicurezza.
  • Consente di definire confini precisi degli oggetti rispetto ai riquadri di delimitazione.
  • Richiede grandi set di dati annotati.
  • Elaborazione intensiva ad alta risoluzione.

Come funziona

  1. Raccogli ed etichetta le immagini annotate a livello di pixel.
  2. Addestrare modelli di apprendimento profondo come reti completamente convoluzionali.
  3. L'immagine di input viene elaborata in previsioni a livello di pixel.
  4. La maschera di output assegna ogni pixel a una classe.
  5. Valutare con parametri come Intersezione su Unione (IoU).

Esempi (mondo reale)

  • Dataset Cityscapes: segmentazione semantica per scene urbane.
  • Tesla Autopilot: segmentazione a livello di pixel per la navigazione stradale.
  • Imaging medico: segmentazione dei tumori nelle scansioni MRI.

Riferimenti / Ulteriori letture

  • Long et al. “Reti completamente convoluzionali per la segmentazione semantica”. CVPR 2015.
  • Set di dati sui paesaggi urbani.
  • Transazioni IEEE sull'imaging medico.

Raccontaci come possiamo aiutarti con la tua prossima iniziativa di intelligenza artificiale.