5.3.4 图像分割
UNet 简介
本示例展示如何基于轻量化的 UNet 语义分割模型,结合 SpaceMiT 智算核实现高效的图像分割。模型可接受静态图像或视频流输入,输出为像素级语义标签(灰度图)及伪彩渲染图,通过 ROS2 发布分割结果,便于下游感知与控制模块调用。
该模型基于 Cityscapes 数据集 训练,采用 ONNX 格式部署,支持对城市道路场景中的典型要素(如人、车、道路、交通标志等)进行精准分割。
UNet 的典型应用场景有:
- 自动驾驶感知(道路/目标分割)
- 城市街景结构解析与数字地图构建
- 遥感图像地物分类与土地利用识别
- 医学图像分割(如器官、病灶)