语义分割（Semantic Segmentation）的任务是对图像中的每个像素都进行分类，将其划分到某个预定义的语义类别中。 它只关心“这个像素是什么物体？”，而不关心这个物体是哪一个独立的个体，例如U-Net模型进行图像语义分割细胞膜、Mask R-CNN语义分割肿瘤区域。
实例分割（Instance Segmentation）的任务是在语义分割的基础上，进一步区分出同一个类别中的不同个体实例。 它既要回答“这个像素是什么物体？”，也要回答“这个像素属于这个类别的第几个物体？”。其本质上是 目标检测+语义分割的结合，例如区分羊群中的每只羊。
1、医疗
| 编号 | 标题 | AI问题 | 数据集 | 解决方案 | 文件 |
|---|
| 1 | 细胞膜U-Net图像语义分割 | 语义分割 | 从显微镜图像中精确分割出细胞膜边界。 | U-Net模型、Tensorflow1.x开发框架。 | AiS-CV-Medical-U-Net-Membrane-Image-Segmentation-Tensorflow1x-40MB |
| 2 | U²-Net显著目标检测 | 显著目标检测 | — | U²-Net的显著图可以作为语义分割的前置步骤。U²-Net 做的是“找焦点”，而语义分割做的是“认东西”。 | |
| 3 | CBAM卷积注意力模块 | CNN增强 | — | CBAM通过应用通道注意力和空间注意力自适应地细化特征图，使网络聚焦于关键信息并抑制无关特征，从而提升模型性能。其设计契合人类视觉的“聚焦”机制。 | |
| 4 | BRATS2018脑肿瘤分割挑战赛和LGG分割数据集 | 语义分割 | BRATS (Brain Tumor Segmentation Challenge)脑肿瘤分割挑战赛发布的针对低级别胶质瘤的一个子集LGG Segmentation Dataset，用于低级别胶质母细胞瘤（Low-Grade Glioma，简称LGG）的分割任务。 | — | AiS-CV-Medicine-BRATS2018-LGG-Segmentation-370MB |
| 5 | MICCAI2017-ACDC心脏诊断挑战赛心脏数据集和语义分割样例 | 语义分割 | ACDC (Automatic Cardiac Diagnosis Challenge) 是 MICCAI 2017 中的的挑战赛之一，旨在对心脏动态磁共振成像 (cine-MRI) 中的舒张期 (ED) 和收缩期 (ES) 帧进行左心室 (LV) 、右心室 (RV) 和心肌 (Myo) 分割。 | — | AiS-CV-Medicine-MICCAI2017-ACDC-Cardiac-Diagnosis-3GB |
2、农业
| 编号 | 标题 | AI问题 | 数据集价值 | 解决方案 | 文件 |
|---|
| 1 | 科大讯飞2023基于可见光图像的柑橘花果梢数据集 | 语义分割 | 实现对图像中不同对象的识别和分割。 | segmentation_models_pytorch | AiS-CV-SemSeg-Agr-iFLYTEK2023-Citrus-Flower-Tip-33MB |
3、其他
| 编号 | 标题 | AI问题 | 数据集 | 解决方案 | 文件 |
|---|
| 1 | CCF-BDCI-2020-遥感影像地块分割 | 语义分割 | 已脱敏的遥感影像数据 (包含140,000张JPG图片和PNG格式的标注图片) | 采用PaddlePaddle开发框架、采用UNet和DeepLabV3+等语义分割模型。 | AiS-CV-CCF-BDCI-2020-Remote-Sensing-Image-Parcel-Segmentation-50MB |
| 2 | Pytorch开发框架图片语义分割 | 语义分割 | Carvana的U-Net图像分割项目 | U-Net模型、Pytorch开发框架。 | AiS-CV-Medicine-Pytorch-UNet-Carvana-Image Masking-450MB |
| 防止图像篡改 | 语义分割 | DocTamper | | DocTamper-FFDN-resnet |