Segmentierungsnetzwerke

Segmentierungsnetzwerke sind neuronale Netze, die darauf trainiert werden, jedem Pixel eines Eingabebildes eine Klasse zuzuordnen. Sie werden primär für semantische Segmentierung eingesetzt, bei der Pixel zu Objektklassen gehören, sowie für Instanz- und panoptische Segmentierung. Ziel ist es, die Bildinhalte räumlich sauber abzubilden und Objekte in der Szene zu trennen oder zu gruppieren.

Architektur: Üblich ist ein Encoder-Decoder-Ansatz. Der Encoder extrahiert Merkmalskarten, der Decoder erzeugt eine Pixel-Label-Map. Skip-Verbindungen helfen, räumliche Details zu bewahren. Moderne Varianten verwenden dilatierte Faltungen, ASPP oder mehrstufige Kontextverarbeitung, um Informationen über verschiedene Skalen zu integrieren.

Training: Praktisch alle Segmentierungsnetze werden überwacht trainiert, d.h. es liegen pixelweise Labels vor. Verlustfunktionen umfassen Kreuzentropie, Dice-Koeffizient oder deren Mischungen. Datenaugmentation, Pretraining auf großen Datensätzen und Feinabstimmung auf domänenspezifische Daten verbessern Robustheit und Generalisierung.

Bekannte Architekturen: FCN (Fully Convolutional Network), U-Net, SegNet; DeepLab-Varianten (DeepLabv2/v3/v3+), PSPNet. Für Instanzsegmentierung kommt Mask R-CNN zum Einsatz. Es existieren auch speziell optimierte Modelle für medizinische Bilder oder Satellitenaufnahmen.

Anwendungen und Bewertung: Segmentierungsnetze finden Einsatz in der medizinischen Bildgebung, autonomem Fahren, Fernerkundung, Landwirtschaft und industrieller Inspektion. Leistungsbeurteilung erfolgt oft über IoU (Intersections over Union) bzw. mittlere IoU (mIoU) und Pixelgenauigkeit; Dice-Koeffizient ist eine weitere gängige Metrik.

Herausforderungen: Benötigen erhebliche annotierte Datenmengen, sind rechnerisch teuer, leiden unter Domänenverschiebung, Klassenungleichgewicht und Randunschärfe. Optimierung, Beschleunigung, Speichereffizienz und robuste Generalisierung bleiben zentrale Forschungsfelder.