Semantic Segmentation (Dense Pixel-wise Classification)

Представете си семантичната сегментация като оцветяване на снимка по категории: всеки пиксел, принадлежащ към път, се боядисва в един цвят, всеки пиксел от небето – в друг, а всеки пиксел на пешеходец – в трети. Невронната мрежа се научава да взема това решение за всеки пиксел, като първо компресира изображението в богато абстрактно представяне и след това го разширява обратно до пълна резолюция, като същевременно запазва пространственото положение. Резултатът не е просто „някъде има кола“, а „тези точни пиксели са кола“. Това я прави далеч по-информативна от ограничителна кутия, но и далеч по-взискателна по отношение на маркирани данни за обучение и изчислителна мощ.