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，需要執行更復雜的任務。我們會看到多個重疊物體和不同背景的復雜景象，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系。

到目前為止，我們已經看到了如何以多種有趣的方式使用卷積神經網絡的特征，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可以協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，視覺技術與5G＋智慧燈桿的uRLC（超高可靠超低時延通信）場景諸多應用不謀而合，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、應急處理等多種服務提供技術手段和便利。