計算機視覺作為人工智能的主流技術領域之一，歷經圖像分類-->目標定位-->目標檢測，最終發展到圖像語義分割技術。
如下圖所示，從最初的識別圖片信息進行單一分類，到單圖片中多目標識別分析，而語義分割更是要將單圖像中的度目標進行邊界定位。
圖像語義分割作為CV中重要的基本問題之一，更是CV工程師必備的基本技能，其目的是將圖像分割成幾組具有某種特定語義含義的像素區域，並識別出每個區域的類別，最終獲得一副具有像素語義標註的圖像。
在今天，圖像語義分割可以說是圖像理解的基石性技術，在自動駕駛系統（具體為街景識別與理解）、無人機應用（著陸點判斷）以及穿戴式設備應用中舉足輕重。
自四年前Google發佈第一個版本的DeepLab模型以來，CNN特徵提取器、目標尺度建模技術、語境信息處理、模型訓練流程、深度學習硬件和軟件的不斷改進和優化。
現如今，Google最新版本DeepLab V3+已經成為各大企業CV工程師必備的語義分割技術。
為了讓更多想要從事CV方向的開發工程師掌握如何這一技術模型，小編為大家準備了一本《深度學習》電子書送給大家。
轉發+關注並私信小編“書籍”即可領取。
轉發+關注並私信小編“書籍”即可領取。
分享到:
閱讀更多 北京尚學堂 的文章
