深度学习语义分割理论与实战指南 V1.0 版本已经完成，主要包括语义分割概述、关键技术组件、数据模块、经典分割网络与架构、PyTorch基本实战方法等五个部分。

获取方式：

扫描关注下方公众号回复 语义分割 即可。

图像分类、目标检测和图像分割是基于深度学习的计算机视觉三大核心任务。三大任务之间明显存在着一种递进的层级关系，图像分类聚焦于整张图像，目标检测定位于图像具体区域，而图像分割则是细化到每一个像素。

图像分割主要包括语义分割（Semantic Segmentation）和实例分割（Instance Segmentation）。那语义分割和实例分割具体都是什么含义？二者又有什么区别和联系？

语义分割是对图像中的每个像素都划分出对应的类别，即实现像素级别的分类；而类的具体对象，即为实例，那么实例分割不但要进行像素级别的分类，还需在具体的类别基础上区别开不同的个体。

例如，图像有多个人甲、乙、丙，那边他们的语义分割结果都是人，而实例分割结果却是不同的对象。另外，为了同时实现实例分割与不可数类别的语义分割，相关研究又提出了全景分割（Panoptic Segmentation）的概念。

本文作为基于PyTorch的语义分割技术手册，对语义分割的基本技术框架、主要网络模型和技术方法提供一个入门和实战性的参考。

由于个人经验、能力有限，本手册作为1.0版本，有诸多不完善和有失偏颇之处。所以该手册同时也是一个意见征求稿。后续会不断进行版本迭代。

手册项目GitHub项目地址：

https://github.com/luwill/Semantic-Segmentation-Guide/

扫描关注下方公众号回复 语义分割 即可。