深度学习，一个大号/深层的，现代的，黑箱的，信号/图像处理器，本文程序运行环境为MATLAB R2018A。
本文简要讲解如何训练U-Net卷积神经网络对7个通道的多光谱图像进行语义分割，7个通道包括3个颜色通道、3个近红外通道和一个掩模通道。需要使用具有计算能力3.0或更高版本的支持CUDA的NVIDIATMGPU（需要并行计算工具箱）。
2025年06月05日
深度学习，一个大号/深层的，现代的，黑箱的，信号/图像处理器，本文程序运行环境为MATLAB R2018A。
本文简要讲解如何训练U-Net卷积神经网络对7个通道的多光谱图像进行语义分割，7个通道包括3个颜色通道、3个近红外通道和一个掩模通道。需要使用具有计算能力3.0或更高版本的支持CUDA的NVIDIATMGPU（需要并行计算工具箱）。
2025年06月05日
随着智慧农业的发展，精准监测农田环境与作物生长状态成为关键需求。传统遥感技术受限于光谱分辨率与成像条件，难以满足精细化管理要求。本文以无人机搭载中达瑞和S810多光谱相机为技术载体，结合深度学习算法，提出单模态与多模态融合的农田语义分割方法。通过构建专用数据集与创新网络架构，显著提升了复杂场景下的分割精度与环境适应性，为精准农业提供了高效解决方案。
2025年06月05日
ALGM: Adaptive Local-then-Global Token Merging for Efficient Semantic Segmentation with Plain Vision Transformers
2025年06月05日
本文主要介绍了如何在昇腾上，使用pytorch对图像分割任务的开山之作FCN网络在VOC2012数据集上进行训练的实战过程讲解。主要内容包括FCN网络的创新点分析、FCN网络架构分析，实战训练代码分析等等。
本文的目录结构安排如下所示：
2025年06月05日
谷歌的的语义图像分割（Semantic Image Segmentation）模型DeepLab-v3+已开源，而这一技术在Google Pixel 2和2XL手机（包括后续型号）上也得到应用。这项技术可以实现对图像或视频的背景分割，给图像和视频处理APP带来极大便利。今天就让我们来聊聊什么是语义图像分割，以及它的实现原理。
视频抠像，了解谷歌DeepLab-v3+技术
说到抠图，很多朋友想到的是PhotoShop，确实借助PS我们可以精确将人像从复杂的背景图中抠出来。但是如果要将人像从视频画面中“抠”出来，估计很多朋友就没听说过这项技术了。
2025年06月05日
选自arXiv
机器之心编译
参与：路雪
本文介绍了一种堆叠解卷积网络（Stacked Deconvolutional Network），它可用于高效的图像语义分割。该方法堆叠多个浅层解卷积网络，采用层级监督帮助网络优化，在多个数据集上实现了顶尖效果。机器之心对该论文进行了介绍。
2025年06月05日
机器之心发布
机器之心编辑部
在深度学习的发展过程中，领域自适应和知识迁移受到越来越多研究者的关注。他们希望一个领域数据集中学习的知识可以迁移到新的领域中。针对这一目的，滴滴和加州大学伯克利分校的研究者提出一种新的多源领域自适应模型，该模型能够同时利用和学习多个不同源域的训练样本，进而显著提升了图像语义分割的性能。
随着深度学习的发展，研究者们希望深度学习模型不但可以从特定领域训练集中学习监督知识，更希望能够进行领域自适应（domain adaptation）和知识迁移技术（knowledge transfer techniques），将在一个领域数据集中学习的知识迁移到新的领域中。那么能否同时利用多个不同领域的训练样本，提高在新领域上的语义理解能力呢？
2025年06月04日
超级AI，在线标注，既能解放双手，又省时省力。
传统的标注模式需要你对着目标不断拉框，反复机械的动作做多了就变得“麻木”，影响效率还使人烦恼。