语义分割基础概念：什么是语义分割、与分类/检测的区别、像素级标注、常见分割任务

大家好，我是你们的老朋友。今天咱们来聊聊语义分割。

说实话，很多刚入行的同学，一上来就搞分割，容易把概念搞混。我当年带项目的时候，就见过有人把目标检测的框直接当成分割结果用，结果下游的路径规划直接崩了。嗯，这里咱们得把基础打牢。

什么是语义分割？

语义分割，说白了就是给图像里的每个像素都贴上一个标签。

你想想看，一张照片里，有路、有车、有人。分类任务告诉你“这是一张街景图”；检测任务告诉你“这里有辆车，框在左上角”。但语义分割呢？它会告诉你：这个像素属于“道路”，那个像素属于“车辆”，连车身上的反光镜边缘都给你标得清清楚楚。

我个人习惯把语义分割叫做“像素级分类”。因为它的本质，就是对每一个像素做一次分类判断。

与分类、检测的区别

这三者的关系，我经常用一个比喻来解释：

• 图像分类： 就像你远远看了一眼，说“哦，那是一辆车”。你只知道车存在，但不知道它在哪。
• 目标检测： 就像你用手指着说“车在那里，大概在这个框里”。你知道了位置，但框里还有背景。
• 语义分割： 就像你拿画笔把车的轮廓描出来，连轮胎和车身的缝隙都不放过。你知道了精确的形状。

我在项目中遇到过这样一个坑：用检测模型输出的边界框去裁剪道路区域，结果框里包含了旁边的行人。路径规划模块一看，以为路上有人，直接刹停了。这就是没搞懂检测和分割的区别。

像素级标注

这里我要重点说一下标注。语义分割的标注，是所有视觉任务里最累的活。

我曾经带过一个标注团队，标注一张城市街景图，平均要花40分钟。为什么？因为你要用多边形工具，沿着每辆车的轮廓、每棵树的枝叶、每个行人的头发丝去描边。一个像素标错了，模型学到的边界就是模糊的。

像素级标注的格式，最常见的是PNG图片。每个像素的值代表一个类别ID。比如：

• 0 = 背景（黑色）
• 1 = 道路（红色）
• 2 = 车辆（绿色）
• 3 = 行人（蓝色）

嗯，这里要注意：标注图里不要有“未定义”的像素值。我见过有人用255表示忽略区域，结果模型把255也当成一个类别去学了，训练直接崩掉。

常见分割任务（道路、车辆、行人）

在自动驾驶里，语义分割的任务非常明确。我按优先级排个序：

1. 道路分割： 这是最核心的。你要告诉车辆“哪里能开，哪里不能开”。包括车道线内的路面、路肩、人行道。我见过一个极端案例：雪天路面被雪覆盖，模型把雪地也识别成了道路，差点开进沟里。所以道路分割必须考虑天气泛化。
2. 车辆分割： 不仅要识别出车，还要把车和背景分开。因为后续的测距、跟踪都需要精确的轮廓。我记得有一次，一辆白色货车和白色背景墙混在一起，分割模型直接“隐身”了。后来我们专门加了边缘增强模块才解决。
3. 行人分割： 这是安全红线。行人的轮廓必须精确到手指尖。因为路径规划需要知道行人是否在伸手拦车，或者是否在跑步。我曾经踩过一个坑：行人手里举着伞，模型把伞和行人分成了两个物体，导致跟踪丢失。

说白了，语义分割就是自动驾驶的“眼睛像素级”。它不告诉你“那里有车”，而是告诉你“那个像素是车，那个像素是路，那个像素是人”。每一个像素的判断，都关系到车辆下一步是加速、刹车还是转向。

好了，这一章的基础概念就到这里。下一章咱们会深入聊聊语义分割的经典网络结构，比如FCN、U-Net这些。到时候我会结合我实际调参的经验，给大家讲讲怎么让模型跑得更快、更准。