3.2.5實例分割

圖3-9所示為實例分割示意圖。

圖3-9實例分割

實例分割將不同類型的實例進行分類，如用5種不同顏色來標記5輛汽車。分類任務(wù)通常來說就是識別出包含單個對象的圖像是什么，在分割實例時，需要執(zhí)行更復(fù)雜的任務(wù)。我們會看到多個重疊物體和不同背景的復(fù)雜景象，不僅需要將這些不同的對象進行分類，而且需要確定對象的邊界、差異和彼此之間的關(guān)系。

到目前為止，我們已經(jīng)看到了如何以多種有趣的方式使用卷積神經(jīng)網(wǎng)絡(luò)的特征，通過邊界框有效定位圖像中的不同對象。可以將這種技術(shù)進行擴展，也就是說，對每個對象的精確像素進行定位，而不僅僅是用邊界框進行定位。Facebook AI使用Mask R-CNN架構(gòu)對實例分割問題進行了探索。

上述5種主要的計算機視覺技術(shù)可以協(xié)助計算機從單個或一系列圖像中提取、分析和理解有用的信息。毫無疑問，視覺技術(shù)與5G＋智慧燈桿的uRLC（超高可靠超低時延通信）場景諸多應(yīng)用不謀而合，通過搭載具備特征識別功能的高清攝像頭、圖像感知等設(shè)備能有效對城市道路、車輛、行人信息進行獲取并加以分析，為城市道路交通管理城市公共安全、應(yīng)急處理等多種服務(wù)提供技術(shù)手段和便利。