¿Qué es la segmentación semántica?
La segmentación semántica asigna una etiqueta de clase a cada píxel de una imagen. Identifica categorías de regiones, pero normalmente no distingue instancias separadas de objetos que pertenecen a la misma clase.
Cómo funciona la segmentación semántica
Los modelos de segmentación semántica infieren un mapa denso en el que cada ubicación de salida corresponde a una predicción de clase para un píxel o bloque de entrada. Las redes suelen reducir la resolución de las características para aprender el contexto y luego aumentarla, por lo que los límites pueden ser menos precisos que el interior de las regiones de cada clase. El entrenamiento requiere máscaras etiquetadas y una taxonomía de clases definida, incluida una política para los píxeles de fondo o ignorados. La salida pasa a etapas de enmascaramiento, comprensión de escenas, medición, moderación o edición automatizada.
Datos clave
- Las predicciones suelen almacenarse como una máscara de índices de clase de un solo canal o como mapas de puntuación por clase; cambiar el tamaño de una máscara de índices requiere un muestreo por vecino más cercano para evitar etiquetas inventadas.
- La intersección sobre unión evalúa la superposición por clase y revela fallos que la exactitud bruta por píxel oculta cuando grandes regiones de fondo dominan la imagen.
- Dos autos que se tocan pueden recibir una sola región continua de «auto» porque la salida semántica codifica la categoría, no la identidad del objeto; para separarlos se necesita un posprocesamiento que distinga instancias u otro modelo.
Cuándo es importante la segmentación semántica
Úsala cuando una aplicación necesite regiones a nivel de píxel, como carretera, cielo, vegetación, personas o fondo. Elige en su lugar la segmentación de instancias cuando deban contarse objetos separados de la misma clase o deba hacerse un seguimiento de ellos.