语义分割服务

街景语义分割

• 可用模型

  SegFormer、DeepLabv3+、Mask2Former、OneFormer、HRNet、BiSeNet 与 PP-LiteSeg 等成熟权重。根据任务在精度、小目标边界与吞吐量之间选择；如果结果既要面积又要数量，则选择支持语义、实例或全景分割的现有模型。

• 数据集与类别体系

  Cityscapes（19 类道路场景）、Mapillary Vistas（66 类多地区街景）、ADE20K（150 类场景解析）、BDD100K 与 IDD。最终能输出什么，取决于所选权重原生支持的标签；项目中不会临时增加新类别。

• 适用范围

  谷歌或百度街景帧、360 全景、Mapillary 或 KartaView 影像、行车记录仪视频与固定朝向照片。可计算绿视率、天空可见比例、道路与人行道占比、沿街界面构成、车辆/行人像素及路网级汇总指标。

输出示例 · 街景与行车视角

在 Cityscapes 类别体系下分出道路、人行道、建筑、植被、天空、车辆与行人。绿视率、天空可见比例、沿街界面构成与出行指标，都是从这一层输出上算出来的。

城市场景

城市场景

公开精度指标与类别体系

Cityscapes 是 19 类道路场景的参考基准；ADE20K 是更宽的 150 类场景解析集，当项目需要街道设施、雨棚、招牌或建筑立面细部这些 Cityscapes 词表里没有的东西时才会用到。同一套模型在 ADE20K 上的分数会低很多——不是模型退化了，而是 150 类本身就比 19 类难得多。

Cityscapes 验证集 · mIoU

• SegFormer-B51024² · NeurIPS'2184.0
• OneFormerSwin-L · s.s.83.0
• Mask2FormerSwin-L · s.s.82.9
• HRNetV2-W481024×204881.1
• DeepLabv3+Xception-6578.8
• PP-LiteSeg-B2STDC2 · 102.6 FPS78.2
• SegFormer-B03.8M · 15.2 FPS76.2
• BiSeNetV2512×1024 · 156 FPS73.4

ADE20K 验证集 · mIoU

• OneFormerSwin-L · s.s.57.0
• Mask2FormerSwin-L · s.s.56.1
• UPerNet + Swin-Ls.s. · ms+flip 53.552.1
• SegFormer-B5640²51.8
• SegFormer-B03.8M params37.4

街景类别体系

数据集	类别数	类别构成
Cityscapes	19	官方归为 7 组：地面（道路、人行道）；建筑（建筑、围墙、栅栏）；杆件与标志（杆、交通灯、交通标志）；自然（植被、地形）；天空；人（行人、骑行者）；车辆（小汽车、卡车、公交、火车、摩托车、自行车）。
Mapillary Vistas	66（v1.2）· 124（v2.0）	顶层七大组：动物、建构筑物、人、路面标线、自然、物体、空类。补上了 Cityscapes 没有标签的街道细部——车道线、路缘、井盖、长椅、垃圾桶、路灯，影像来自六大洲。
ADE20K	150	室内外通用的场景解析体系：背景类（墙、天空、地面、道路、水体、山体、草地）与物体类（车、人、树、招牌、雨棚、台阶、栏杆、路灯）混合。
BDD100K	19	语义分割标签与 Cityscapes 19 类对齐；影像是美国行车记录仪素材，天气、时段与道路类型的分布宽得多。
IDD	26（常用层级）	四级标签体系，可按 7／16／26 类读取；补充了机动三轮车、路障、广告牌、非硬化可行驶路肩等南亚道路要素。
COCO-Stuff	171	80 类物体加 91 类背景——影像是一般摄影而非道路场景时用它。

遥感语义分割

• 可用模型

  U-Net / U-Net++、DeepLabv3+、SegFormer、UPerNet + Swin / ConvNeXt、HRNet，以及 GeoSeg 中的成熟权重。大幅栅格会重叠切片、批量推理、边缘融合并重新拼接，同时保留地理参考。

• 数据集与类别体系

  LoveDA 适合城乡土地覆盖；ISPRS Potsdam / Vaihingen 覆盖不透水面、建筑、低矮植被、树木与车辆；DeepGlobe、DynamicEarthNet 用于地表覆盖；SpaceNet 用于建筑与道路。传感器、地面分辨率和波段配置必须与权重相匹配。

• 适用范围

  卫星、航空与无人机正射影像，可用于土地覆盖面积、建筑轮廓、道路提取、植被或树冠覆盖、不透水面、地块汇总与跨期变化。结果既可保留为栅格，也可矢量化为 GIS 多边形或线。

输出示例 · 航空与卫星影像

从带地理参考的影像切片中提取地表覆盖类别，再拼回成无缝掩膜。面积、建筑轮廓与植被覆盖率按地块或按期次从这张掩膜上统计。

航空影像

公开精度指标与类别体系

地表覆盖的分数远低于街景，这是正常的：在 0.3 m 地面分辨率下，裸地与森林这类界线本身就模糊，而 LoveDA 还刻意把城市域和乡村域混在一起考迁移能力。当影像与基准高度接近时——比如 5–9 cm 的 ISPRS 航空正射影像——同样的架构能到 80 分中段。

LoveDA 测试集 · mIoU

• UNetFormerResNet-18 · GeoSeg52.4
• HRNetW3249.8
• FactSegResNet-5048.9
• PSPNetResNet-5048.3
• UNet++ResNet-5048.2
• UNetResNet-5047.8
• DeepLabv3+ResNet-5047.6
• FCN-8sVGG-1646.7

ISPRS Potsdam / Vaihingen · mIoU

• FT-UNetFormer · PotsdamSwin-B87.5
• UNetFormer · PotsdamResNet-1886.5
• FT-UNetFormer · VaihingenSwin-B84.0
• UNetFormer · VaihingenResNet-1882.5

地表覆盖类别体系

数据集	类别数	类别构成
LoveDA	7	背景、建筑、道路、水体、裸地、森林、农田。0.3 m 分辨率，覆盖三座城市，分为城市域与乡村域两个子集。
ISPRS Potsdam / Vaihingen	6	不透水面、建筑、低矮植被、树木、车辆、杂类背景。真正射影像，分辨率分别为 5 cm 与 9 cm，并附带数字表面模型。
DeepGlobe Land Cover	7	城市、农田、牧场、森林、水体、裸地、未知——0.5 m 卫星影像，面向国土尺度制图。
DynamicEarthNet	7	不透水面、农田、林地与其他植被、湿地、裸土、水体、冰雪——日频时序数据，为变化检测而不是单期制图设计。
SpaceNet	建筑 / 道路	建筑轮廓多边形与道路中心线网络，按城市分卷发布；目标产物是矢量图层，而不是地表覆盖栅格。
UAVid	8	建筑、道路、静止车辆、移动车辆、树木、低矮植被、人、背景杂类——无人机倾斜视频，视角更接近街景而非正射。

医疗影像分割

• 可用模型

  nnU-Net 任务权重、U-Net 系列、面向三维数据的 UNETR 与 Swin UNETR，以及用于提示式掩膜的 MedSAM / SAM-Med2D。处理时保留像素间距、方向与切片顺序，可交付逐层掩膜或重建后的三维体积。

• 数据集与目标区域

  Medical Segmentation Decathlon 与 BTCV 的多器官 CT，BraTS 的脑肿瘤，KiTS 的肾脏与肾肿瘤，LiTS 的肝脏与肿瘤，以及其他已有公开权重的器官任务。只把权重用于其支持的模态、解剖部位与采集范围。

• 适用范围与边界

  对完成脱敏的 CT、MRI、超声与内镜科研或教学数据集做批处理，计算器官体积、病灶区域、边界与跨期变化。结果仅用于研究与测量，不作为诊断结论，也不宣称是通过临床认证的医疗器械输出。

输出示例 · 医疗影像

在 CT 切片上勾出权重支持的器官与目标区域，并保留体素几何，因此体积与边界可以被测量。属于科研与测量处理，不构成诊断。

医疗影像

医疗影像

公开精度指标与类别体系

医疗侧用 Dice 而不是 IoU 计分。平均值会掩盖真正影响测量的部分：大器官基本已经做到位，小的或低对比度的结构还差好几个点；而当扫描设备和采集协议与权重训练时不同，这个差距还会继续拉大。

BTCV 腹部 CT · 平均 Dice

• Swin UNETRCVPR'2291.8
• UNETRCVPR'2289.1
• nnU-Net3D full-res88.8
• PaNN85.4
• CoTr84.4
• TransUNet83.8
• SETR-PUP79.7

Swin UNETR · 各器官 Dice

• 肝98.5
• 脾97.6
• 右肾95.8
• 左肾95.6
• 胃95.3
• 主动脉94.8
• 下腔静脉90.4
• 门静脉与脾静脉89.9
• 胰腺89.7
• 胆囊89.3
• 食管87.5
• 肾上腺84.6

解剖目标体系

数据集	目标数	标注覆盖范围
BTCV	13 个器官	脾、右肾、左肾、胆囊、食管、肝、胃、主动脉、下腔静脉、门静脉与脾静脉、胰腺、左右肾上腺——增强腹部 CT。
Medical Segmentation Decathlon	10 个任务	脑肿瘤、心脏、肝与肝肿瘤、海马、前列腺、肺结节、胰腺与肿瘤、肝血管与肿瘤、脾、结肠癌——覆盖 CT 与多序列 MRI。
BraTS	3 个子区	全肿瘤、肿瘤核心、增强肿瘤，由 T1、T1ce、T2、FLAIR 四个配准后的 MRI 序列推出。
KiTS	2–3 类	肾与肾肿瘤；KiTS21 起把肾囊肿单列为一类。
LiTS	2 类	增强 CT 上的肝与肝肿瘤，病灶尺寸差异极大。
AMOS	15 个器官	腹部多器官，同时提供 CT 与 MRI，来自多个中心与多种设备——最接近真实混源临床影像库的公开数据。

工业语义分割

• 可用模型

  Anomalib 中成熟的 PatchCore、PaDiM、EfficientAD、FastFlow 与 Reverse Distillation，用于异常定位；如果某种已知缺陷已有公开或客户提供的成熟权重，也可使用 U-Net、DeepLabv3+ 或 SegFormer。

• 数据集与缺陷类型

  MVTec AD、VisA、BTAD 与 KolektorSDD 涵盖金属、织物、瓷砖、电缆、胶囊、瓶体、晶体管与电路板等表面和产品，可输出划痕、裂纹、污染、缺件与表面异常的热力图和掩膜。

• 适用范围与边界

  适合机位、光照、尺度与产品外观相对稳定的重复检测影像。成熟权重匹配时，可测量缺陷面积、长度、形状并按阈值判定；生产场景变化很大或缺陷类别全新时通常需要模型研发，不属于本服务。

输出示例 · 工业表面与缺陷

同一处缺陷的输入图、真值、预测热力图、预测掩膜与最终结果。热力图只能让人看见缺陷，掩膜才让缺陷面积、长度与公差可以被测量。

缺陷检测

公开精度指标与类别体系

异常检测按 AUROC 而不是 mIoU 计分，而图像级的数字已经全部在 97.9 以上——也就是说它已经区分不出方法优劣了。真正能预测热力图是否紧到可以据此量缺陷的，是像素级 AUROC 和 PRO 指标，所以两个我们都列出来。

MVTec AD · 图像级 AUROC

• PatchCoreensemble · CVPR'2299.6
• RD++CVPR'2399.4
• FastFlowWR5099.4
• EfficientAD-MWACV'2499.1
• EfficientAD-SWACV'2498.8
• Reverse DistillationWR5098.5
• PaDiMEfficientNet-B597.9

MVTec AD · 像素级 AUROC

• FastFlowWR5098.5
• RD++PRO 95.098.3
• PatchCorePRO 93.598.1
• Reverse DistillationPRO 93.997.8
• PaDiMPRO 92.197.5

检测数据集与缺陷类型

数据集	类别数	数据覆盖范围
MVTec AD	15 个类别 · 73 种缺陷	5 类纹理（地毯、网格、皮革、瓷砖、木材）与 10 类物体（瓶、电缆、胶囊、榛子、金属螺母、药片、螺丝、牙刷、晶体管、拉链）；共 5,354 张图，缺陷带像素级标注。
VisA	12 类物体	PCB1–4、胶囊、腰果、口香糖、Fryum、通心粉 1–2、蜡烛、管状 Fryum；共 10,821 张图（9,621 正常、1,200 异常），含单图多实例场景。
MVTec LOCO	5 个类别	早餐盒、果汁瓶、图钉、螺丝袋、接线端子——除结构异常外还覆盖逻辑异常（数量不符、错件、错位）。
BTAD	3 类产品	2,540 张真实产线零件影像；表面与形貌缺陷在产线上拍摄，而非实验室环境。
KolektorSDD / SDD2	表面裂纹	电子换向器与产线表面缺陷，带像素级裂纹标注——最接近固定工位检测场景的公开数据。

以上数字全部取自对应方法的官方论文或官方模型库，不是我们自己的评测结果。各行的骨干网络、输入分辨率、单尺度与多尺度测试口径并不一致，且每张图的横轴都按说明做了截断——请把它们当作量级参考，而不是精确到零点几分的排名。另外，权重在自己基准上的分数同时也是上限：换到你的影像、你的类别上，实际只会更低。所以每个项目都从样本试跑开始，我们对外承诺的是那次实测结果，而不是这里的公开指标。来源：SegFormer（NeurIPS 2021）、DeepLab 官方模型库、HRNet、Mask2Former（CVPR 2022）、OneFormer、PP-LiteSeg / PaddleSeg、Swin Transformer、LoveDA（NeurIPS 2021 D&B）、GeoSeg、Swin UNETR（CVPR 2022）、PatchCore（CVPR 2022）、FastFlow、EfficientAD（WACV 2024）、RD++（CVPR 2023）、PaDiM。

示例影像来自开源项目，并按其许可证使用：MMSegmentation 与 Anomalib（Apache-2.0）、MedSAM（Apache-2.0）、GeoSeg（GPL-3.0）。此处用于说明每类输出的形态，实际项目在你的影像上运行。

1. 步骤 01

   提供代表性样本

   我们先检查影像类型、分辨率、波段或医疗模态、目标类别、数据量，以及结果要支撑的测量。

2. 步骤 02

   核对成熟权重

   把需求与公开成熟模型或客户已有模型匹配，确认现有类别表是否覆盖所需输出。

3. 步骤 03

   先跑一批样本

   先推理并复核一组代表性文件；领域不匹配或必须训练时，在全量处理和报价前明确停止。

4. 步骤 04

   批量处理全量数据

   统一整理文件，用固定权重批量推理并后处理，所有输入输出写入可断点续跑的处理清单。

5. 步骤 05

   验证并交付结果

   抽样检查后，交付掩膜、统计、矢量或三维体积、置信度与异常记录，以及完整方法说明。

项目按文件数量与大小、影像类型、预处理和切片要求、所选成熟权重、输出格式与验证深度定价，不包含训练、微调与新类别标注。请先提供代表性样本和所需类别；确认现有模型匹配后，我们再给出固定的批量推理报价。