近年来，以深度学习为中心的机器学习技术引起了人们的关注。比如自动驾驶汽车已经逐渐成为可能，但在整个深度学习过程，需要算法识别和学习作为原始数据提供的图像，在这一过程中，应用到了语义分割技术。下面让我们来看看语义分割的需求是如何演变的。
       早期，计算机视觉的初始应用需求只是识别基本元素，例如边缘（线和曲线）或渐变。然而，仅仅通过全像素语义分割的创造来理解像素级的图像，它将属于同一目标的图像部分聚集在一起，从而扩展了语义分割的应用场景。
       识别每个像素或分组像素一起分配类别的过程可以通过以下过程：

• 图像分类（image classification）——识别图像中存在的内容;
• 物体识别和检测（object recognition and detection）——识别图像中存在的内容和位置（通过边界框）；
• 语