语义分割是指将图像中的每个像素归于类标签的过程，这些类标签可以包括一个人、汽车、鲜花、一件家具等。

我们可以将语义分割认为是像素级别的图像分类。例如，在有许多汽车的图像中，分割会将所有对象标记为汽车对象。然后，一个称为实例分割的模型能够标记一个出现在图像中的物体的独立实例。这种分割在计算对象数量的应用程序中非常有用，例如计算商城的行人流量。

下面，就以Coovally网站为例，完成一个语义分割任务。

说明：当前语义分割任务仅支持COCO_Mask格式数据集，请提前按要求准备好数据集。

1.数据上传

1.1图片上传

图片数据准备

目前Coovally支持单独上传zip格式图片文件，待数据集创建成功之后，在数据集详情页再单独上传zip格式标签文件。

图片数据上传

登录Coovally点击侧边导航栏并下拉菜单点击【创建数据集】。

点击【创建数据集】，按要求填写参数，并将此前准备好的图片压缩包拖至文件上传区域，点击【确定】，等待图片数据上传并解析完成即可；

注意：需记住所填写的数据集名称，在创建标签时，根据数据集名称找到对应的数据集。

1.2标签上传

标签数据准备

将数据中的标签文件所在文件夹压缩为zip格式的压缩包；

标签数据上传

在【我的数据】标签页，找到刚刚上传的图片数据；点击【图标】进入数据集信息页，点击【创建标签】，再按要求填写参数，将标签压缩包拖到文件上传区域，最后点击【确定】，等待完成解析即可；

数据检查（非必须步骤）

待图片及标签全部完成上传及解析，即可点击标签预览图标，进行标签预览，可检测标注是否存在错标、漏标等问题。

2.模型训练

2.1数据建模

基于此前已完成上传的数据集，进行数据建模，点击【数据建模】图标，进入数据建模详情页面。

2.2模型选择&参数设置

按要求选择模型填写模型参数；并设置训练运行参数。

点击【增强算法】进入算法增强页面，筛选所需要增强的标签类型及数据增强方法，进行据增强，此操作非选操作，但当数据量较少，或数据不均衡的情况时可尝试进行数据增强，以提高模型精度。

2.3模型训练

点击【开始训练】，即可开始模型训练，待模型训练结束即可开始此后的模型转化、部署、推理等操作。

3.模型转换

说明：此处仅为模型转化步骤示例，详细信息可参考Coovally官网文档。

点击【模型转换】，进入模型转换页面，按要求选择及填写参数，点击开始转换即可开始进行模型转化，等待模型转化完成即可。

注意：等待模型转换期间，切勿刷新页面！

4.模型部署

在模型转化完成后转跳的界面点击击【模型部署】，开始模型部署。先按要求选择服务地址，再点击部署按钮，等待部署完成。

5.模型预测

在模型部署完成后转跳的界面，点击【上传图】片按钮按要求上传图片，系统即可对此图片进行模型推理，且语义分割结果会直观的显示出来。

与图像分类或目标检测相比，语义分割使我们对图像有更加细致的了解。这种了解在诸如机器人、图像搜索引擎等许多领域都是非常重要的。如果有语义分割的需求，可以来试试Coovally！