Semantic Segmentation（语义分割）
给每个像素贴标签
亦作、亦称：语义分割
为图像每个像素分配语义类别，实现场景逐像素理解，广泛用于医学影像、遥感与机器人感知。 语义分割为每个像素分配类别标签，常用 IoU/mIoU 评测；U-Net、DeepLab、SegFormer 是经典架构。
工作原理
为图像每个像素分配语义类别，实现场景逐像素理解，广泛用于医学影像、遥感与机器人感知。 语义分割为每个像素分配类别标签，常用 IoU/mIoU 评测；U-Net、DeepLab、SegFormer 是经典架构。
应用场景
Semantic Segmentation常见于：图像分类、目标检测、医学影像、自动驾驶感知。实际选型需结合业务指标、数据规模与部署约束评估适用性。
局限与误区
围绕 Semantic Segmentation 的口语化说法（见「常见误解」）常过度简化。效果依赖数据质量、任务匹配与系统整体设计；生产环境应配合评测、监控与人工复核。
背景与发展
Semantic Segmentation随 AI 研究与工程实践持续演进，定义边界与最佳实践仍在更新。建议结合原始论文、官方文档与本站延伸阅读建立准确认知。
常见误解
日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
- 「给每个像素贴标签」
- 「逐像素分类」
- 「比检测更细」
相关术语
和本术语关联紧密的其他词条，便于串联理解。
延伸阅读
从知识库精选 3 篇文章，帮助深入理解该术语。