छवि विभाजन
हर पिक्सेल को उसकी वस्तु का लेबल देना
यह पृष्ठ अंग्रेज़ी में प्रस्तुत है; शीर्षक और सारांश का स्थानीयकरण किया गया है।
यह क्षमता क्या है
Takes an image and outputs a mask the size of the input, labelling each pixel with its class or its instance. It is finer than detection because it gives outlines rather than boxes. Semantic segmentation only distinguishes classes (all of them are people), while instance segmentation also separates individuals (A and B are different people); the two are often lumped together as segmentation.
तकनीकी रूप से कैसे
The classic design is an encoder–decoder: the encoder downsamples to extract semantics, the decoder upsamples to restore resolution, and skip connections carry high-resolution detail from shallow layers, with U-Net and fully convolutional networks as landmarks. Instance segmentation often detects first and predicts a mask inside each box (the Mask R-CNN line), or uses a promptable segment-anything model cued by clicks or boxes to isolate arbitrary objects.
प्रतिनिधि उत्पाद
4Gemini
2023मूल रूप से बहुविध, अति-लंबे संदर्भ के लिए बना सामान्य मॉडल
Qwen
2023अनेक आकारों और बहुविध संस्करणों वाला ओपन-वेट परिवार
SenseAvatar
2022एक चेहरे की तस्वीर और ऑडियो से होंठ-सिंक डिजिटल-ह्यूमन वीडियो बनाता है
GPT-4o
2024मूल रूप से बहुविध सामान्य मॉडल — पाठ, चित्र और ऑडियो एक ही द्वार से
संबंधित संस्थान
सामान्य उपयोग
- Organ and lesion delineation in medical imaging
- Land-cover classification in remote sensing
- Drivable area and obstacles for driving
- Selection masks for image editing
इसका मूल्यांकन कैसे होता है
- IoU / mIoU
- Intersection over union of masks, averaged over classes
- Dice coefficient
- Common in medical imaging, more sensitive than IoU for small targets
- Boundary F-score
- Judges only contour fit rather than large correct interiors
सीमाएँ और कठिनाइयाँ
- Thin structures and boundaries — hair, wires, vessel tips — break or lose their thinness
- Adjacent or overlapping instances of the same class merge into one blob
- Masks are inaccurate on transparent, reflective or low-contrast materials
इसके पीछे की अवधारणाएँ
अर्थपूर्ण विभाजन
हर पिक्सेल को रंगना — वस्तु के चारों ओर बॉक्स नहीं, रंग भरने वाली किताब
संवलनीय तंत्रिका जाल
पूर्ण संयोजन की जगह «स्थानीय रूप से देखो, हर जगह वही पैमाना दोहराओ» — यही विचार छवि पहचान को वास्तव में कारगर बनाया
छवि का डिजिटल निरूपण
मशीन के लिए तस्वीर संख्याओं के परतदार जाल के अलावा कुछ नहीं