目录1、简介2、程序介绍3、注意事项全景图≠四方图3、主界面4、参数配置5、语义分割结果示例图6、语义分割结果1、简介街景语义分割本地程序无需配置任何环境无需编程基础开箱即用零基础小白照样学得会。适用群体面向地理、建筑、城乡规划、设计、景观、风景园林等专业重点在于使用模型而不是训练模型。⭐️模型高精度Mask2Former语义分割模型。⭐️三个数据集ADE20K150 类通用场景街道场景。Cityscapes19 类街道场景。Mapillary Vistas66类街道场景更加细分能识别出车道线、井盖等要素。推荐使用ADE20K或者Mapillary Vistas。⭐️优势- Mask2Former 比 FCN、PSPNet、Deeplab v3模型效果都更好- 开箱即用无需配置环境- 四方图、全景图、手机相机无人机拍的图都可以使用- 多数据集ADE20K150类、Cityscapes(核心19类)、Mapillary Vistas66类,适用场景丰富- 提供带标签的掩膜图片2、程序介绍本地化 Mask2Former 街景语义分割程序可批量识别照片中的天空、建筑、道路、树木、车辆等要素并生成彩色分割图、带类别名称的预览图和类别占比 CSV。程序支持 ADE20K、Cityscapes、Mapillary Vistas 三套数据集适合街景观察、场景构成分析及后续数据整理。3、注意事项全景图≠四方图全景图和四方图的类别百分比不能套用同一个公式。普通照片、四个方向的透视图及其横向拼接图按“该类别像素数 ÷ 图像总像素数”计算。完整的 2:1 等距柱状全景图则按球面面积加权不同纬度的像素代表的球面面积不同先计算各类别对应的球面面积再除以球面总面积。程序提供自动、普通图和全景图三种统计方式自动模式按图片尺寸判断因此横向拼接图即使恰好是 2:1也应手动选择“普通图”。2:1 是标准全景图的尺寸条件不能单凭宽高比证明它采用全景投影。3、主界面后续图文均以ADE20K数据集为例。主界面左侧管理待处理图片中间并排预览原图与语义分割结果右侧集中设置数据集、统计方式和输出内容。处理过程中可以翻看图片、查看占比最高的类别、打开类别详情并通过底部进度和控制台了解当前任务状态。预览还支持透明度调整及全屏查看便于检查类别边界和局部识别效果。4、参数配置在参数区先选择适合图片场景的数据集再根据图片的实际投影类型选择类别百分比计算方式。输出内容可分别勾选纯色 PNG、无标签掩膜、有标签掩膜和类别百分比 CSV“追加续跑”用于继续已有任务“重新计算”用于重新处理本轮图片。高级参数还提供运行设备和图像尺寸策略等设置。若使用百度街景完整标准全景图可按需要单独开启底部车辆替换四方图不适用该选项。5、语义分割结果示例图示例图将原始街景照片与分割结果并排展示。右侧用不同颜色区分树木、道路、建筑、天空、行人等类别并在画面上标出类别名称。这样既能直观看到模型把哪些区域归为同一类也方便对照原图检查树冠边缘、路面和远处建筑等位置的识别情况。6、语义分割结果完成处理后结果目录中可查看纯色 PNG 分割图、带类别名称的 JPG 预览图以及记录每张图片各类别占比的 CSV。PNG 便于后续图像处理和核对分割区域JPG 便于人工查看CSV 则可用于筛选、汇总和比较不同街景的场景构成。