« Panoptic Segmentation » : différence entre les versions
(Page créée avec « == en construction == == Définition == XXXXXXX == Français == ''' Segmentation Panoptique''' == Anglais == '''Panoptic Segmentation''' == Sources == [https://arxiv.org/abs/1801.00868 Source : arxiv] [https://paperswithcode.com/task/panoptic-segmentation Source : paperswithcode] [https://pyimagesearch.com/2022/06/29/semantic-vs-instance-vs-panoptic-segmentation/ Source : pyimagesearch] [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-eng.html?lang... ») |
Aucun résumé des modifications |
||
| Ligne 2 : | Ligne 2 : | ||
== Définition == | == Définition == | ||
Tâche de '''[[Vision artificielle|vision par ordinateur]]''' qui combine à la fois la '''[[Segmentation d'image|segmentation sémantique]]''' et la '''[[Instance Segmentation|segmentation d'instance]]''' puisqu'elle identifie, pour chaque pixel, sa classe d'appartenance et distingue les différentes instances d'une même classe. | |||
== Compléments == | |||
Cependant, les objets peuvent avoir des pixels qui se chevauchent. Dans ce cas, la segmentation panoptique résout la divergence en favorisant l'instance de l'objet, puisque la priorité est d'identifier chaque objet. | |||
Elle utilise la métrique de la qualité panoptique, qui évalue les masques prédits et les identificateurs d'instance pour les objets. | |||
La définition de « panoptique » est : incluant tout ce qui est visible dans une vue. Dans le contexte de la segmentation panoptique, ''panoptique'' se réfère à une vue unifiée et globale de la segmentation. | |||
La segmentation panoptique trouve de plus en plus d'applications dans l'analyse d'images médicales, l''''[[annotation de données]]''', l'augmentation de données, la télédétection par UAV (véhicule aérien sans pilote), la vidéosurveillance et le comptage de foules. | |||
== Français == | == Français == | ||
| Ligne 9 : | Ligne 18 : | ||
== Anglais == | == Anglais == | ||
'''Panoptic Segmentation''' | '''Panoptic Segmentation''' | ||
<!-- A computer vision task that combines both semantic and instance segmentation since it identifies, for every pixel, the belonging class and distinguishes different instances of the same class. | |||
However, objects can have overlapping pixels. In this case, panoptic segmentation resolves the discrepancy by favoring the object instance, as the priority is to identify each thing rather than stuff, uses the Panoptic Quality (PQ) metric, which evaluates the predicted masks and instance identifiers for both things and stuff, definition of ‘panoptic’ is “including everything visible in one view”, in our context panoptic refers to a unified, global view of segmentation. Panoptic segmentation is finding more applications in medical image analysis, data annotation, data augmentation, UAV (unmanned aerial vehicle) remote sensing, video surveillance, and crowd counting.--> | |||
== Sources == | == Sources == | ||
Dernière version du 15 juin 2025 à 12:15
en construction
Définition
Tâche de vision par ordinateur qui combine à la fois la segmentation sémantique et la segmentation d'instance puisqu'elle identifie, pour chaque pixel, sa classe d'appartenance et distingue les différentes instances d'une même classe.
Compléments
Cependant, les objets peuvent avoir des pixels qui se chevauchent. Dans ce cas, la segmentation panoptique résout la divergence en favorisant l'instance de l'objet, puisque la priorité est d'identifier chaque objet.
Elle utilise la métrique de la qualité panoptique, qui évalue les masques prédits et les identificateurs d'instance pour les objets.
La définition de « panoptique » est : incluant tout ce qui est visible dans une vue. Dans le contexte de la segmentation panoptique, panoptique se réfère à une vue unifiée et globale de la segmentation.
La segmentation panoptique trouve de plus en plus d'applications dans l'analyse d'images médicales, l'annotation de données, l'augmentation de données, la télédétection par UAV (véhicule aérien sans pilote), la vidéosurveillance et le comptage de foules.
Français
Segmentation Panoptique
Anglais
Panoptic Segmentation
Sources
Contributeurs: Arianne
