Qu’est-ce que la segmentation d’images ?

La segmentation d’images partitionne une image en régions de pixels significatives, souvent en attribuant une classe sémantique à chaque pixel. Son résultat décrit les limites plus précisément que la classification d’images ou les boîtes englobantes.

Fonctionnement de la segmentation d’images

La segmentation produit un champ d’étiquettes ou de scores aligné sur la grille de l’image, ce qui permet aux logiciels de raisonner sur des régions plutôt que seulement sur des images entières ou des rectangles. Les méthodes classiques regroupent les échantillons selon l’intensité, la couleur, les contours ou la connexité, tandis que les systèmes appris prédisent des masques sémantiques à partir d’exemples annotés. Le post-traitement peut supprimer des régions minuscules, combler des interstices ou affiner les limites. Le masque sert ensuite à guider la composition, la mesure, l’inspection ou les étapes du modèle qui nécessitent des sélections spatialement précises.

Points clés

  1. La segmentation sémantique regroupe tous les pixels d’une même classe, tandis qu’une sortie tenant compte des instances conserve des identités d’objets distinctes ; aucune des deux ne revient à estimer des valeurs alpha fractionnaires du premier plan.
  2. Les cartes d’étiquettes catégorielles doivent être redimensionnées par échantillonnage au plus proche voisin ou par une autre méthode tenant compte des étiquettes, car une interpolation ordinaire crée des valeurs de classe inexistantes.
  3. Les scores de recouvrement des régions peuvent masquer de fines erreurs de délimitation ; des applications telles que le détourage ou les contours médicaux nécessitent donc souvent une évaluation distincte fondée sur les contours ou la distance.

Quand la segmentation d’images est importante

Utilisez la segmentation lorsque la suppression d’arrière-plan, la mesure ou la retouche exige des limites au pixel près plutôt que des localisations approximatives. Les masques précis coûtent davantage à annoter et à calculer, et les erreurs de délimitation deviennent visibles lors de la composition.

Transformer vos connaissances sur les médias en une chaîne de traitement opérationnelle

Reliez les téléversements, le traitement, l’IA, le stockage et la diffusion via une seule API déclarative — la pile d’encodage, la montée en charge et l’évolution constante des formats sont prises en charge pour vous.

Essayer Transloadit gratuitement