Аннотация:Задача семантической сегментации изображения заключается в разбиении его
представления на области - группы пикселей, соответствующие определенному типу
объекта. В отличие от задач детекции или классификации, от алгоритма требуется
не только присвоить объекту правильный класс, но и корректно выделить его точ-
ную форму на изображении. Подобная задача неоднократно возникает при анализе
медицинских снимков, составлении плана/карты местности, выявлении структуры
изображения для последующей работы с ним (повышение качества, удаление фона,
исследования в компьютерном зрении и т.д.). Большинство современных подходов
для решения задачи семантической сегментации изображений основаны на глубин-
ном обучении. Одним из важнейших методов является использование полностью
сверточных нейронных сетей, которые способны эффективно и точно решать поставленную задачу.
В данной работе экспериментально подбираются параметры конфигурации наиболее эффективной сети, для сегментации на датасете MIT ADE20K.